Probabilistic-programming-and-bayesian-methods-for-hackers: 第6章：平均分散最適化損失関数
こんにちはカム、
この損失関数の使用方法（またはソースへの参照）について説明してください。
損失関数が4つの株式のポートフォリオの重みを最小化しようとしていると想定しています（これはscipyoptimizeなどを使用して実行できます）が、ラムダパラメーターが何であるかはわかりません。
ありがとう！
Anjum48
全てのコメント8件
@ Anjum48これはどの章ですか？
@CamDavidsonPilonラムダは正則化パラメーターのように見えますか？
pieteradejong
2016年01月09日
損失関数は、4つの株式のポートフォリオの重みを最小化しようとしています
これは、それらすべてを負の無限大に設定することで簡単に解決できるので、あなたがそう言うつもりはなかったと思います。 これは2つの反作用力です。重みが大きいほど、第1項（リターン）が大きくなりますが、分散（第2項）も大きくなります。
ラムダパラメーターは、リターンの最大化（第1項）と第2項（ポートフォリオの分散）の間のトレードオフであるユーザー指定のパラメーターです。 これは、従来の回帰の意味での正則化ではありませんが、類似しています。
これは金融のかなり一般的な公式です-それは二次問題のラグランジアンです： http ：//www.actuaries.org/AFIR/Colloquia/Rome2/Cesarone_Scozzari_Tardella.pdf
CamDavidsonPilon
2016年01月09日
@CamDavidsonPilon
オプティマイザーがminを使用していることを理解していません。つまり、収益を最大化する必要があります。
差異によって罰せられます。 したがって、 minを使用する代わりに、 maxを使用するか、マイナス記号を追加する必要があります。
yiyuezhuo
2017年06月12日
ラムダ𝛌はしばしば（例えばここで）「リスク回避」パラメータと呼ばれます-トレードオフ@CamDavidsonPilonが言及します。
mdengler
2017年06月14日
ラムダ𝛌 = 1の場合、目的関数はポートフォリオの
幾何平均リターン、そしてそれは人が最大化すべきものです
重みに関して（構造上、合計は1になるはずです）。
rsvp
2017年06月15日
間違いなくマイナス記号が欠落しているようです。
mdengler
2017年06月15日
ええ、それはmaxでなければなりません👍
CamDavidsonPilon
2017年06月15日
OK、修正が完了しました：
記録のために、ウィリアム・シャープによる別の良い参考資料：
https://web.stanford.edu/~wfsharpe/mia/opt/mia_opt3.htm-
https://git.io/fecon235でチュートリアルを行います
ボルツマンのポートフォリオに関して。
rsvp
2017年06月15日
関連する問題
cledoux
·
13コメント
kjschiroo
·
4コメント
gijzelaerr
·
3コメント
ClimbsRocks
·
3コメント
jingw222
·
3コメント
最も参考になるコメント
OK、修正が完了しました：
https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/pull/347（2つのノートブック用）。
記録のために、ウィリアム・シャープによる別の良い参考資料：
https://web.stanford.edu/~wfsharpe/mia/opt/mia_opt3.htm-
https://git.io/fecon235でチュートリアルを行います
ボルツマンのポートフォリオに関して。