"LinAlgError: 0-dimensional array given. Array must be at least two-dimensional" BUT I've know I'm passing a 2D argument
"LinAlgError: 0-dimensional array given. Array must be at least two-dimensional" BUT I've know I'm passing a 2D argument
我的第一个问题，非常感谢您提供有关如何更好地帮助我的反馈:)
在我的 Mac（Mojave，10.14.6 和 Python 版本 3.7.6.final.0）上，我遇到了上述错误。
我已经确认我的参数矩阵有 2 个维度 (8 x 8)。
我已经完成了 Traceback，并成功地在每个子函数中使用了相关的参数矩阵，但在主函数中没有使用 "monteCarlo".
顺便说一句，这是 Marcos López de Prado 的代码 "A ROBUST ESTIMATOR OF THE EFFICIENT FRONTIER"
我对过时的代码 (2.*) 和其他代码进行了一些修改，以帮助确保我正在使用我期望的矩阵。
非常非常感谢那些关心并敢于通读所有内容的勇敢者。
错误消息下方是从 Jupyter Notebook 中截取的一些代码和结果。
>
LinAlgError Traceback (most recent call last)
<ipython-input-313-a5db76f0dc0a> in <module>
----> 1 monteCarlo(mu0=hist_ann_px_chg, cov0 = CovMatrix, nObs = NumObs, nSims=500, bWidth=.25, minVarPortf = False, shrink=False)
>
<ipython-input-308-b7fbaf4dca14> in monteCarlo(mu0, cov0, nObs, nSims, bWidth, minVarPortf, shrink)
5 mu1,cov1=simCovMu(mu0,cov0,nObs,shrink)
6 if minVarPortf:mu1=None
----> 7 if bWidth>0:cov1=deNoiseCov(cov1,nObs*1./cov1.shape[1],bWidth)
8 w1.loc[i]=optPort(cov1,mu1).values.flatten()
9 w1_d.loc[i]=optPort_nco(cov1,mu1,int(cov1.shape[0]/2)).values.flatten()
>
<ipython-input-306-062b76320e88> in deNoiseCov(cov0, q, bWidth)
35 def deNoiseCov(cov0,q,bWidth):
36 corr0=cov2corr(cov0)
---> 37 eVal0,eVec0=getPCA(corr0)
38 eMax0,var0=findMaxEval(np.diag(eVal0),q,bWidth)
39 nFacts0=eVal0.shape[0]-np.diag(eVal0)[::-1].searchsorted(eMax0)
>
<ipython-input-306-062b76320e88> in getPCA(matrix)
16 def getPCA(matrix):
17 # Get eVal,eVec from a Hermitian matrix
---> 18 eVal,eVec=np.linalg.eigh(matrix)
19 indices=eVal.argsort()[::-1] # arguments for sorting eVal desc
20 eVal,eVec=eVal[indices],eVec[:,indices]
>
<__array_function__ internals> in eigh(*args, **kwargs)
>
~/opt/anaconda3/lib/python3.7/site-packages/numpy/linalg/linalg.py in eigh(a, UPLO)
1432
1433 a, wrap = _makearray(a)
-> 1434 _assert_stacked_2d(a)
1435 _assert_stacked_square(a)
1436 t, result_t = _commonType(a)
>
~/opt/anaconda3/lib/python3.7/site-packages/numpy/linalg/linalg.py in _assert_stacked_2d(*arrays)
205 if a.ndim < 2:
206 raise LinAlgError('%d-dimensional array given. Array must be '
--> 207 'at least two-dimensional' % a.ndim)
208
209 def _assert_stacked_square(*arrays):
>
LinAlgError: 0-dimensional array given. Array must be at least two-dimensional
下面是我用这条语句调用时抛出错误的函数：
monteCarlo(mu0=hist_ann_px_chg, cov0 = CovMatrix, nObs = NumObs, nSims=500, bWidth=.25, minVarPortf = False, shrink=False)
import pandas as pd
from scipy import stats
from pandas_datareader import data as pdr
from pandas.util.testing import assert_frame_equal
import yfinance as yf
yf.pdr_override() # <== that's all it takes :-)
# download dataframe
hist_data = pdr.get_data_yahoo("^GSPC ^VIX ^DJI ^IXIC ^FTSE ^GDAXI ^STOXX50E ^N225", start="2015-01-01", end="2020-01-1")
hist_data = hist_data.iloc[:,0:8]
hist_dly_px_chg = hist_data.pct_change()
NumObs = hist_dly_px_chg.shape[0]
CovMatrix = hist_dly_px_chg.cov()
print(type(CovMatrix)) # data.frame
CovMatrix = np.matrix(CovMatrix) # matrix (8 x 8)
print(type(CovMatrix))
print(CovMatrix.shape)
print(CovMatrix.ndim)
hist_ann_px_chg = hist_dly_px_chg.mean()
print(hist_ann_px_chg*NumObs)
当我调用这个函数时：
print(np.linalg.eigh(CovMatrix))
我得到了我期望的输出，所以我不知道断开连接的位置：
(array([9.76607795e-07, 9.09734518e-06, 1.06092016e-05, 2.18149708e-05,
7.30351257e-05, 1.16439127e-04, 2.39270121e-04, 7.82633431e-03]), matrix([[-4.82280240e-01, -4.58375572e-01, -5.31172874e-01,
3.50650316e-02, -4.92673400e-01, -9.94286171e-02,
1.25967021e-01, 7.37740277e-02],
[-2.33051153e-02, 3.95717701e-02, 7.84798502e-02,
8.95759250e-01, 1.02359842e-01, -1.47818043e-01,
3.93700956e-01, 4.49340838e-02],
[ 2.54965439e-02, -5.36050910e-01, 4.44240943e-01,
-3.24298395e-01, 1.74936958e-01, -2.59428034e-01,
5.54982822e-01, 5.97336351e-02],
[ 8.28138825e-01, -8.35526265e-02, -1.54346913e-01,
2.26457229e-02, -5.01976954e-01, -1.04165506e-01,
1.19382708e-01, 7.60638006e-02],
[-2.83219910e-01, 4.59584143e-01, 5.09453905e-01,
-8.28536548e-02, -6.32657429e-01, -1.32770810e-01,
1.28593449e-01, 8.79835438e-02],
[ 1.06886068e-03, -7.82137852e-03, 1.94908915e-02,
-2.38832357e-02, -9.03973958e-02, 9.05732488e-01,
4.12218925e-01, 2.32359154e-02],
[-1.33763053e-02, 5.31709637e-01, -4.80196149e-01,
-2.88561906e-01, 2.10778168e-01, -2.24495845e-01,
5.52334217e-01, 5.78853425e-02],
[ 2.25154661e-03, 6.27599544e-04, -3.43348735e-03,
6.49094855e-04, -1.06569389e-01, -4.16245867e-02,
1.23854342e-01, -9.85673773e-01]]))
那么我应该相信谁，你还是电脑？
让我们看看错误。最底层 a 是问题数组。向上追溯，我们看到它是传递给 getPCA 的 corr0 数组：getPCA(corr0)
由 corr0=cov2corr(cov0) 创建，其中 cov0 是传递给 deNoiseCov(cov1,...)
的 cov1
mu1,cov1=simCovMu(mu0,cov0,nObs,shrink)
我不知道 cov2corr 和 simCovMu 是做什么的。但是由于 deNoiseCov 似乎是你的代码，我假设你可以在那里放一些诊断打印，检查形状和 dtype。
由于此代码来自 PY2，因此请注意，许多 py2 列表创建器是 py3 中的生成器。 np.array(range(3)) 仍然有效，但许多其他情况将创建标量 (0d) 数组（例如 map）。
np.matrix 的用法也很旧；它不再非常有用 - 但它仍然有效（所以可能不是错误的原因）。
在我的例子中，我必须将稀疏矩阵转换为密集矩阵。
我的第一个问题，非常感谢您提供有关如何更好地帮助我的反馈:)
在我的 Mac（Mojave，10.14.6 和 Python 版本 3.7.6.final.0）上，我遇到了上述错误。
我已经确认我的参数矩阵有 2 个维度 (8 x 8)。
我已经完成了 Traceback，并成功地在每个子函数中使用了相关的参数矩阵，但在主函数中没有使用 "monteCarlo".
顺便说一句，这是 Marcos López de Prado 的代码 "A ROBUST ESTIMATOR OF THE EFFICIENT FRONTIER" 我对过时的代码 (2.*) 和其他代码进行了一些修改，以帮助确保我正在使用我期望的矩阵。
非常非常感谢那些关心并敢于通读所有内容的勇敢者。
错误消息下方是从 Jupyter Notebook 中截取的一些代码和结果。
>
LinAlgError Traceback (most recent call last)
<ipython-input-313-a5db76f0dc0a> in <module>
----> 1 monteCarlo(mu0=hist_ann_px_chg, cov0 = CovMatrix, nObs = NumObs, nSims=500, bWidth=.25, minVarPortf = False, shrink=False)
>
<ipython-input-308-b7fbaf4dca14> in monteCarlo(mu0, cov0, nObs, nSims, bWidth, minVarPortf, shrink)
5 mu1,cov1=simCovMu(mu0,cov0,nObs,shrink)
6 if minVarPortf:mu1=None
----> 7 if bWidth>0:cov1=deNoiseCov(cov1,nObs*1./cov1.shape[1],bWidth)
8 w1.loc[i]=optPort(cov1,mu1).values.flatten()
9 w1_d.loc[i]=optPort_nco(cov1,mu1,int(cov1.shape[0]/2)).values.flatten()
>
<ipython-input-306-062b76320e88> in deNoiseCov(cov0, q, bWidth)
35 def deNoiseCov(cov0,q,bWidth):
36 corr0=cov2corr(cov0)
---> 37 eVal0,eVec0=getPCA(corr0)
38 eMax0,var0=findMaxEval(np.diag(eVal0),q,bWidth)
39 nFacts0=eVal0.shape[0]-np.diag(eVal0)[::-1].searchsorted(eMax0)
>
<ipython-input-306-062b76320e88> in getPCA(matrix)
16 def getPCA(matrix):
17 # Get eVal,eVec from a Hermitian matrix
---> 18 eVal,eVec=np.linalg.eigh(matrix)
19 indices=eVal.argsort()[::-1] # arguments for sorting eVal desc
20 eVal,eVec=eVal[indices],eVec[:,indices]
>
<__array_function__ internals> in eigh(*args, **kwargs)
>
~/opt/anaconda3/lib/python3.7/site-packages/numpy/linalg/linalg.py in eigh(a, UPLO)
1432
1433 a, wrap = _makearray(a)
-> 1434 _assert_stacked_2d(a)
1435 _assert_stacked_square(a)
1436 t, result_t = _commonType(a)
>
~/opt/anaconda3/lib/python3.7/site-packages/numpy/linalg/linalg.py in _assert_stacked_2d(*arrays)
205 if a.ndim < 2:
206 raise LinAlgError('%d-dimensional array given. Array must be '
--> 207 'at least two-dimensional' % a.ndim)
208
209 def _assert_stacked_square(*arrays):
>
LinAlgError: 0-dimensional array given. Array must be at least two-dimensional
下面是我用这条语句调用时抛出错误的函数：
monteCarlo(mu0=hist_ann_px_chg, cov0 = CovMatrix, nObs = NumObs, nSims=500, bWidth=.25, minVarPortf = False, shrink=False)
import pandas as pd
from scipy import stats
from pandas_datareader import data as pdr
from pandas.util.testing import assert_frame_equal
import yfinance as yf
yf.pdr_override() # <== that's all it takes :-)
# download dataframe
hist_data = pdr.get_data_yahoo("^GSPC ^VIX ^DJI ^IXIC ^FTSE ^GDAXI ^STOXX50E ^N225", start="2015-01-01", end="2020-01-1")
hist_data = hist_data.iloc[:,0:8]
hist_dly_px_chg = hist_data.pct_change()
NumObs = hist_dly_px_chg.shape[0]
CovMatrix = hist_dly_px_chg.cov()
print(type(CovMatrix)) # data.frame
CovMatrix = np.matrix(CovMatrix) # matrix (8 x 8)
print(type(CovMatrix))
print(CovMatrix.shape)
print(CovMatrix.ndim)
hist_ann_px_chg = hist_dly_px_chg.mean()
print(hist_ann_px_chg*NumObs)
当我调用这个函数时：
print(np.linalg.eigh(CovMatrix))
我得到了我期望的输出，所以我不知道断开连接的位置：
(array([9.76607795e-07, 9.09734518e-06, 1.06092016e-05, 2.18149708e-05,
7.30351257e-05, 1.16439127e-04, 2.39270121e-04, 7.82633431e-03]), matrix([[-4.82280240e-01, -4.58375572e-01, -5.31172874e-01,
3.50650316e-02, -4.92673400e-01, -9.94286171e-02,
1.25967021e-01, 7.37740277e-02],
[-2.33051153e-02, 3.95717701e-02, 7.84798502e-02,
8.95759250e-01, 1.02359842e-01, -1.47818043e-01,
3.93700956e-01, 4.49340838e-02],
[ 2.54965439e-02, -5.36050910e-01, 4.44240943e-01,
-3.24298395e-01, 1.74936958e-01, -2.59428034e-01,
5.54982822e-01, 5.97336351e-02],
[ 8.28138825e-01, -8.35526265e-02, -1.54346913e-01,
2.26457229e-02, -5.01976954e-01, -1.04165506e-01,
1.19382708e-01, 7.60638006e-02],
[-2.83219910e-01, 4.59584143e-01, 5.09453905e-01,
-8.28536548e-02, -6.32657429e-01, -1.32770810e-01,
1.28593449e-01, 8.79835438e-02],
[ 1.06886068e-03, -7.82137852e-03, 1.94908915e-02,
-2.38832357e-02, -9.03973958e-02, 9.05732488e-01,
4.12218925e-01, 2.32359154e-02],
[-1.33763053e-02, 5.31709637e-01, -4.80196149e-01,
-2.88561906e-01, 2.10778168e-01, -2.24495845e-01,
5.52334217e-01, 5.78853425e-02],
[ 2.25154661e-03, 6.27599544e-04, -3.43348735e-03,
6.49094855e-04, -1.06569389e-01, -4.16245867e-02,
1.23854342e-01, -9.85673773e-01]]))
那么我应该相信谁，你还是电脑？
让我们看看错误。最底层 a 是问题数组。向上追溯，我们看到它是传递给 getPCA 的 corr0 数组：getPCA(corr0)
由 corr0=cov2corr(cov0) 创建，其中 cov0 是传递给 deNoiseCov(cov1,...)
cov1
mu1,cov1=simCovMu(mu0,cov0,nObs,shrink)
我不知道 cov2corr 和 simCovMu 是做什么的。但是由于 deNoiseCov 似乎是你的代码，我假设你可以在那里放一些诊断打印，检查形状和 dtype。
由于此代码来自 PY2，因此请注意，许多 py2 列表创建器是 py3 中的生成器。 np.array(range(3)) 仍然有效，但许多其他情况将创建标量 (0d) 数组（例如 map）。
np.matrix 的用法也很旧；它不再非常有用 - 但它仍然有效（所以可能不是错误的原因）。
在我的例子中，我必须将稀疏矩阵转换为密集矩阵。