在数组 x 中找到一个值，使它在数组 y 中的对应值最大化

Question

我有两个数组。

第一个数组称为 ret_arr，它包含不同投资组合的 return。第二个数组称为 vol_arr，它包含相同投资组合的波动率。

如果我想在vol_array中找到一个0.2±0.01的元素，使其在ret_arr中的对应元素最大化，我该怎么做？

我提供 0.01 容差的原因是因为 vol_arr 中的数字不会正好是 0.2，我想在该波动水平附近采样很多点。

我知道我可以做类似 vol_arr.sort() 和 ret_arr.sort() 的事情，然后观察它们以确定哪个在每个波动水平上具有最佳 return，但它有办法将其自动化？

我的第一次尝试是运行这个：

import numpy as np
def find_nearest(array, value):
    array = np.asarray(array)
    idx = (np.abs(array - value)).argmin()
    return array[idx]

array = ret_arr
print(array)

value = 0.08

print(find_nearest(array, value))

但这只是在 ret_arr 中找到最接近我提供的值的元素。

我宁愿提供波动率水平，给它一些公差，并让代码循环遍历该公差范围内的所有值，并告诉我波动率水平在定义的最佳公差范围内的指数 return.

Answer 1

假设我正确理解你的问题，如果你想在可迭代的 a 中找到使 b 中的相应值最大化的元素：

import numpy as np
max_index = np.argmax(b)
a[max_index]

这当然要求a和b长度相同

Answer 2

import numpy as np
vol = 0.2
# Find indices of vol +/- 0.01 in the vol_arr
indices = np.where((vol_arr>vol-0.01) & (vol_arr<vol+0.01))
# Find the maximum return in the corresponding ret_arr
max_return = ret_arr[indices].max()
# Corresponding index from maximum return
max_index = ret_arr[indices].argmax()
# Look up the corresponding volatility
vol_index = indices[0][max_index]
vol_value = vol_arr[vol_index]

在数组 x 中找到一个值，使它在数组 y 中的对应值最大化

Finding a value in array x that maximizes its corresponding value in array y

python

arrays

numpy

minimize

maximize