ratio de Maximize Sharpe utilisant scipy.minimze

Question

J'essaie de maximiser le ratio de Sharpe utilisant scipy.minimize

Je le fais pour trouver la ligne marché de la sécurité de CAPM

Alors J'ai une équation:

en option (si des positions courtes ne sont pas autorisés):

Je suis en train de résoudre ceci:

def target_func(x, cov_matix, mean_vector, virtual_mean): 
    f = float(-(x.dot(mean_vector) - virtual_mean)/np.sqrt(x.dot(cov_matix).dot(x.T))) 
    return f 


def optimal_portfolio_with_virtual_mean(profits, virtual_mean, allow_short=False): 
    x = np.zeros(len(profits)) 
    mean_vector = np.mean(profits, axis=1) 
    cov_matrix = np.cov(profits) 
    cons = ({'type': 'eq', 
      'fun': lambda x: np.sum(x) - 1}) 
    if not allow_short: 
     bounds = [(0, None,) for i in range(len(x))] 
    else: 
     bounds = None 
    minimize = optimize.minimize(target_func, x, args=(cov_matrix, mean_vector, virtual_mean,), bounds=bounds, 
           constraints=cons) 
    return minimize 

mais je reçois toujours le succès: Faux (limite d'itération dépassée). J'ai essayé de définir l'option maxiter = 10000, mais cela n'a pas aidé.

Je serai reconnaissant pour toute aide

post-scriptum J'utilise Python 2.7

Answer 1

Je ne sais pas pourquoi, mais il fonctionne parfaitement, quand je remplaçant

x = np.zeros(len(profits)) 

Avec

x = np.ones(len(profits))