Probabilistic-programming-and-bayesian-methods-for-hackers: Глава 6: Функция потерь оптимизации средней дисперсии

@ Anjum48 , какая это глава?
Лямбда @CamDavidsonPilon кажется параметром регуляризации?

Функция убытков пытается минимизировать вес портфеля для 4 акций.

Это тривиально решается установкой их всех на отрицательную бесконечность, поэтому я не думаю, что вы хотели это сказать. Это две противодействующие силы: чем больше веса, тем больше первый член (возврат), но также и больше дисперсия (второй член).

Параметр лямбда — это определяемый пользователем параметр, представляющий собой компромисс между максимизацией доходности (первое слагаемое) и вторым слагаемым (дисперсия портфеля). Это не регуляризатор в традиционном смысле регрессии, но он аналогичен.

Это довольно распространенная формула в финансах — это лагранжиан квадратичной задачи: http://www.actuaries.org/AFIR/Colloquia/Rome2/Cesarone_Scozzari_Tardella.pdf

@CamDavidsonPilon
Я не понимаю, что оптимизатор использует min , я имею в виду, что вы должны максимизировать свою прибыль и
быть оштрафованы дисперсией. Таким образом, вы должны использовать max или добавить отрицательный знак вместо использования min .

Лямбда 𝛌 часто упоминается ( например, здесь ) как параметр «неприятия риска» — компромисс, о котором упоминает @CamDavidsonPilon .

Если лямбда 𝛌 = 1, то целевая функция аппроксимирует портфель
средний геометрический доход, и это то, что нужно максимизировать
относительно весов (которые по построению должны в сумме равняться 1).

Там определенно не хватает знака минус.

Да, это должно быть max 👍

Хорошо, исправлено:

https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/pull/347 для двух ноутбуков.

Для справки, еще одна хорошая ссылка Уильяма Шарпа:
https://web.stanford.edu/~wfsharpe/mia/opt/mia_opt3.htm --
и я буду делать учебник на https://git.io/fecon235
в отношении портфелей Больцмана.