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 Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • 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 Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Calculus 学习路线›模块 4 · 优化与敏感度›主题 4.2·~50分钟中级

拉格朗日乘数法

路线进度模块 4/4 · 主题 2/3
4.2 拉格朗日乘数法
—实验得分— / 100总 XP—连续天数—

带约束的优化

没有约束时,光滑函数的最大或最小值出现在梯度为零的地方,∇f=0\nabla f=0∇f=0。现实问题带有约束:固定预算、权重之和必须为 1 的投资组合、风险上限。这时要找的是曲线或曲面 g(x,y)=cg(x,y)=cg(x,y)=c 上的最佳点,而不是平面上任意位置。

∇f=λ ∇g,g(x,y)=c\nabla f=\lambda\,\nabla g,\qquad g(x,y)=c∇f=λ∇g,g(x,y)=c(1)

在约束最优点处,fff 的等值线恰好与约束相切,所以两个梯度平行:∇f=λ∇g\nabla f=\lambda\nabla g∇f=λ∇g。把它写成拉格朗日函数 L(x,y,λ)=f(x,y)−λ (g(x,y)−c)\mathcal{L}(x,y,\lambda)=f(x,y)-\lambda\,(g(x,y)-c)L(x,y,λ)=f(x,y)−λ(g(x,y)−c),令其所有偏导数为零:关于 xxx、yyy 的方程给出梯度平行,关于 λ\lambdaλ 的方程还原约束。

乘数 λ\lambdaλ 有明确含义:它是约束的影子价格,即约束放宽一个单位时最优值的变化率,dV∗dc=λ\frac{dV^*}{dc}=\lambdadcdV∗​=λ。在权重之和为 1 的最小方差组合中,它告诉你多一点预算能换来多少方差变化。

一个预算问题在 x+y=10x+y=10x+y=10 的约束下最大化 f=xyf=xyf=xy。这里 ∇f=(y,x)\nabla f=(y,x)∇f=(y,x),∇g=(1,1)\nabla g=(1,1)∇g=(1,1),所以 y=λy=\lambday=λ,x=λx=\lambdax=λ,于是 x=y=5x=y=5x=y=5,λ=5\lambda=5λ=5,最大值为 25。若预算增加到 11,最大值变为 5.5×5.5=30.255.5\times5.5=30.255.5×5.5=30.25:增加 5.25,接近 λ×1=5\lambda\times1=5λ×1=5。
是候选点,不是保证令拉格朗日函数的导数为零只能找出候选点。你还要判断每个点是最大、最小还是都不是;以不等式给出的约束(x≥0x\ge0x≥0)则需要把这一思想推广的 KKT 条件。

实验:评分内容

  • 拉格朗日函数15 分
  • 最优的 x20 分
  • 最大值15 分
  • 乘数15 分
  • 几何意义10 分
  • 一个最小化问题15 分
  • 乘数的含义10 分
0/ 已答 7 题
任务
1填空15 分未作答

在 x+y=10x+y=10x+y=10 的约束下最大化 f(x,y)=xyf(x,y)=xyf(x,y)=xy。补全这个问题的拉格朗日函数。

L(x,y,λ)=xy−λ (x+y−)\displaystyle \mathcal{L}(x,y,\lambda)=xy-\lambda\,(x+y-\htmlData{blank=c}{\phantom{\rule[-0.35em]{2.4em}{1.35em}}})L(x,y,λ)=xy−λ(x+y−)
2数值作答20 分未作答

在 x+y=10x+y=10x+y=10 的约束下最大化 f(x,y)=xyf(x,y)=xyf(x,y)=xy。用 ∇f=λ∇g\nabla f=\lambda\nabla g∇f=λ∇g 求最优的 xxx。

x∗=x^* =x∗=允许误差:± 0.001
3数值作答15 分未作答

在 x+y=10x+y=10x+y=10 的约束下最大化 f(x,y)=xyf(x,y)=xyf(x,y)=xy。xyxyxy 的最大值是多少?

f∗=f^* =f∗=允许误差:± 0.001
4数值作答15 分未作答

在 x+y=10x+y=10x+y=10 的约束下最大化 f(x,y)=xyf(x,y)=xyf(x,y)=xy。最优点处乘数 λ\lambdaλ 的值(由 ∇f=λ∇g\nabla f=\lambda\nabla g∇f=λ∇g)是多少?

λ=\lambda =λ=允许误差:± 0.001
5选择10 分未作答

在约束最优点处,∇f\nabla f∇f 与 ∇g\nabla g∇g 是什么关系?

6数值作答15 分未作答

在 x+y=2x+y=2x+y=2 的约束下最小化 x2+y2x^2+y^2x2+y2。最小值是多少?(可以想成权重之和为 2、成本为权重平方之和的双资产组合。)

V∗=V^* =V∗=允许误差:± 0.001
7用文字解释10 分未作答

请用一两句话说明乘数 λ\lambdaλ 告诉你关于约束的什么信息。

数学模式键盘或 LaTeX 输入第 1/7 题 · Ctrl ⏎ 检查

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续