σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Optimization›Módulo 4 · Restricciones y regularización›Tema 4.1·~1 hIntermedio

Optimización con restricciones y KKT

Posición en la rutaMódulo 4 de 5 · Tema 1 de 4
4.1 Optimización con restricciones y KKT
—Puntuación del lab— / 100XP total—Racha—

Optimizar bajo reglas

Las carteras reales obedecen reglas: los pesos suman uno, no hay ventas en corto, hay un tope de rotación. Un problema con restricciones es min⁡f(w)\min f(\mathbf w)minf(w) sujeto a igualdades h(w)=0h(\mathbf w)=0h(w)=0 y desigualdades g(w)≤0g(\mathbf w)\le0g(w)≤0. Con una igualdad, el mejor punto factible es donde ∇f\nabla f∇f atraviesa la superficie de la restricción de lado a lado, porque cualquier componente lateral serviría para mejorar fff sin salir de la superficie. Esa es la condición de Lagrange ∇f+λ∇h=0\nabla f+\lambda\nabla h=0∇f+λ∇h=0, y el número λ\lambdaλ es el multiplicador de Lagrange. Reunirlo todo en el lagrangiano L=f+λh+μgL=f+\lambda h+\mu gL=f+λh+μg convierte el problema con restricciones en la búsqueda de un punto estacionario de LLL.

∇f+λ∇h+μ∇g=0,h=0,g≤0,μ≥0,μ g=0\nabla f+\lambda\nabla h+\mu\nabla g=0,\qquad h=0,\quad g\le0,\qquad \mu\ge0,\qquad \mu\,g=0∇f+λ∇h+μ∇g=0,h=0,g≤0,μ≥0,μg=0(1)

Para las desigualdades, el conjunto completo de condiciones, que lleva el nombre de Karush, Kuhn y Tucker, tiene cuatro partes: estacionariedad del lagrangiano, factibilidad primal (se cumplen las restricciones), factibilidad dual (μ≥0\mu\ge0μ≥0) y holgura complementaria (μg=0\mu g=0μg=0). La holgura complementaria dice que cada desigualdad está inactiva, con g<0g<0g<0 y μ=0\mu=0μ=0, y entonces no importa, o activa, con g=0g=0g=0 y μ>0\mu>0μ>0, y entonces actúa como una igualdad. En un problema convexo estas condiciones son necesarias y suficientes para un óptimo global. El multiplicador es también un precio: es la tasa a la que mejora el mejor valor de fff al relajar la restricción en una unidad.

Dos ejemplos pequeñosMinimicemos x2+y2x^2+y^2x2+y2 sujeto a x+y=1x+y=1x+y=1. Las condiciones de Lagrange 2x+λ=02x+\lambda=02x+λ=0 y 2y+λ=02y+\lambda=02y+λ=0 dan x=y=−λ/2x=y=-\lambda/2x=y=−λ/2, y la restricción da luego λ=−1\lambda=-1λ=−1 y x=y=0.5x=y=0.5x=y=0.5, con valor 0.50.50.5. Si la restricción se relaja a x+y=cx+y=cx+y=c, el mejor valor pasa a ser c2/2c^2/2c2/2, con pendiente 1=−λ1=-\lambda1=−λ en c=1c=1c=1. Ahora minimicemos (x−2)2(x-2)^2(x−2)2 sujeto a x≤1x\le1x≤1. El mínimo libre x=2x=2x=2 rompe la regla, así que la restricción está activa en x=1x=1x=1 y 2(x−2)+μ=02(x-2)+\mu=02(x−2)+μ=0 da μ=2>0\mu=2>0μ=2>0. Con la regla x≤3x\le3x≤3 se permite el mínimo libre y μ=0\mu=0μ=0.

La cartera de mínima varianza es el caso modelo: minimizar wTΣw\mathbf w^{T}\Sigma\mathbf wwTΣw sujeto a 1Tw=1\mathbf 1^{T}\mathbf w=11Tw=1. La condición de Lagrange 2Σw+λ1=02\Sigma\mathbf w+\lambda\mathbf 1=02Σw+λ1=0 da w∝Σ−11\mathbf w\propto\Sigma^{-1}\mathbf 1w∝Σ−11. Para dos activos no correlacionados con varianzas 0.040.040.04 y 0.090.090.09, los pesos son proporcionales a 1/0.04=251/0.04=251/0.04=25 y 1/0.09=11.11/0.09=11.11/0.09=11.1, así que w1=0.692w_1=0.692w1​=0.692, w2=0.308w_2=0.308w2​=0.308 y la varianza de la cartera es 1/(25+11.1)=0.02771/(25+11.1)=0.02771/(25+11.1)=0.0277. El multiplicador es −2-2−2 veces esa varianza mínima. En una cartera real una regla solo largos o un tope de rotación tiene su propio multiplicador, y un μ\muμ grande indica que esa regla cuesta mucho.

  • Restricción de igualdad: ∇f+λ∇h=0\nabla f+\lambda\nabla h=0∇f+λ∇h=0 junto con h=0h=0h=0.
  • Desigualdad: μ≥0\mu\ge0μ≥0 y μg=0\mu g=0μg=0; activa significa g=0g=0g=0, inactiva significa μ=0\mu=0μ=0.
  • Precio: un multiplicador es la sensibilidad del mejor valor a una relajación de su restricción.
Compruebe factibilidad y signosTras resolver, verifique la respuesta con las cuatro condiciones. Los fallos más comunes son un multiplicador con el signo equivocado en una desigualdad (debe ser μ≥0\mu\ge0μ≥0 cuando las restricciones se escriben g≤0g\le0g≤0) y una restricción activa que se supuso inactiva. Los convenios de signo difieren entre libros y bibliotecas, así que lea siempre qué forma espera su solucionador.

Lab: qué se califica

  • El multiplicador10 pts
  • El punto óptimo10 pts
  • Relajar la restricción10 pts
  • El peso de mínima varianza de dos activos15 pts
  • La varianza mínima15 pts
  • Las cuatro condiciones KKT15 pts
  • Una restricción activa10 pts
  • Qué dice un multiplicador15 pts
0/ 8 respondidos
Ejercicios
1Respuesta numérica10 ptsSin responder

Minimice x2+y2x^2+y^2x2+y2 sujeto a x+y=1x+y=1x+y=1 con la condición ∇f+λ∇h=0\nabla f+\lambda\nabla h=0∇f+λ∇h=0 para h=x+y−1h=x+y-1h=x+y−1. ¿Cuánto vale λ\lambdaλ?

lam=lam =lam=aceptado: ± 0.01
2Respuesta numérica10 ptsSin responder

Para el mismo problema, ¿cuál es el xxx óptimo?

x=x =x=aceptado: ± 0.005
3Respuesta numérica10 ptsSin responder

El mejor valor bajo x+y=cx+y=cx+y=c es c2/2c^2/2c2/2. ¿Cuál es el mejor valor de x2+y2x^2+y^2x2+y2 cuando la restricción es x+y=3x+y=3x+y=3?

value=value =value=aceptado: ± 0.01
4Respuesta numérica15 ptsSin responder

Dos activos no correlacionados tienen varianzas 0.040.040.04 y 0.090.090.09. Los pesos de mínima varianza son proporcionales a 1/σi21/\sigma_i^21/σi2​ y suman uno. ¿Cuál es el peso w1w_1w1​ del primer activo? Dé tres decimales.

w1=w1 =w1=aceptado: ± 0.002
5Respuesta numérica15 ptsSin responder

¿Cuál es la varianza de esa cartera de mínima varianza? Es 1/∑i(1/σi2)1/\sum_i(1/\sigma_i^2)1/∑i​(1/σi2​). Dé cuatro decimales.

var=var =var=aceptado: ± 0.0003
6Emparejar15 ptsSin responder

Empareje cada condición KKT con lo que dice.

Elige la pareja de cada elemento de la izquierda.

Estacionariedad
Factibilidad primal
Factibilidad dual
Holgura complementaria
7Elección10 ptsSin responder

Minimice (x−2)2(x-2)^2(x−2)2 sujeto a x≤1x\le1x≤1. ¿Qué dan las condiciones KKT?

8Explicar con palabras15 ptsSin responder

En una o dos frases, diga qué le dice a un gestor de carteras un multiplicador grande sobre un límite de rotación.

Modo matemáticasEntrada por teclado o LaTeXEjercicio 1 de 8 · Ctrl ⏎ para comprobar

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub