コードは次のとおりです(長すぎると申し訳ありませんが、最初の例でした)。 ...今、私は私の関数を記述制約のある最適化でパラメータの合計を1に設定する方法
library(CreditMetrics)
library(DEoptim)
N <- 3
n <- 100000
r <- 0.003
ead <- rep(1/N,N)
rc <- c("AAA", "AA", "A", "BBB", "BB", "B", "CCC", "D")
lgd <- 0.99
rating <- c("BBB", "AA", "B")
firmnames <- c("firm 1", "firm 2", "firm 3")
alpha <- 0.99
# correlation matrix
rho <- matrix(c( 1, 0.4, 0.6,
0.4, 1, 0.5,
0.6, 0.5, 1), 3, 3, dimnames = list(firmnames, firmnames),
byrow = TRUE)
# one year empirical migration matrix from standard&poors website
rc <- c("AAA", "AA", "A", "BBB", "BB", "B", "CCC", "D")
M <- matrix(c(90.81, 8.33, 0.68, 0.06, 0.08, 0.02, 0.01, 0.01,
0.70, 90.65, 7.79, 0.64, 0.06, 0.13, 0.02, 0.01,
0.09, 2.27, 91.05, 5.52, 0.74, 0.26, 0.01, 0.06,
0.02, 0.33, 5.95, 85.93, 5.30, 1.17, 1.12, 0.18,
0.03, 0.14, 0.67, 7.73, 80.53, 8.84, 1.00, 1.06,
0.01, 0.11, 0.24, 0.43, 6.48, 83.46, 4.07, 5.20,
0.21, 0, 0.22, 1.30, 2.38, 11.24, 64.86, 19.79,
0, 0, 0, 0, 0, 0, 0, 100
)/100, 8, 8, dimnames = list(rc, rc), byrow = TRUE)
cm.CVaR(M, lgd, ead, N, n, r, rho, alpha, rating)
y <- cm.cs(M, lgd)[which(names(cm.cs(M, lgd)) == rating)]
fun <- function(w) {
# ...
- (t(w) %*% y - r)/cm.CVaR(M, lgd, ead = w, N, n, r,
rho, alpha, rating)
}
を...と私は最適化したい:私は最適化するために、A.ヴィットマンによってCreditMetrics
パッケージとDEoptim
ソルバーからCVARの例を使用していますそれ:
DEoptim(fn = fun, lower = rep(0, N), upper = rep(1, N),
control = DEoptim.control())
私は最適化中sum(w) = 1
を作るために# ...
に挿入する必要が何をすべきかを教えてもらえますか?あなたが見ることができるように、最初のトリックは、彼がどの結果を見つけたことで、より良い作品
# The first trick is to include B as large number to force the algorithm to put sum(w) = 1
fun <- function(w) {
- (t(w) %*% y - r)/cm.CVaR(M, lgd, ead = w, N, n, r, rho, alpha, rating) +
abs(10000 * (sum(w) - 1))
}
DEoptim(fn = fun, lower = rep(0, N), upper = rep(1, N),
control = DEoptim.control())
$optim$bestval
[1] -0.05326055
$optim$bestmem
par1 par2 par3
0.005046258 0.000201286 0.994752456
parsB <- c(0.005046258, 0.000201286, 0.994752456)
> fun(parsB)
[,1]
[1,] -0.05326089
...と...
:
I以下はあなたの最適化のflodelのヒントに従った結果を示しています2番目のものよりも小さい。残念ながら、彼は長くかかるようです。
# The second trick needs you use w <- w/sum(w) in the function itself
fun <- function(w) {
w <- w/sum(w)
- (t(w) %*% y - r)/cm.CVaR(M, lgd, ead = w, N, n, r, rho, alpha, rating) #+
#abs(10000 * (sum(w) - 1))
}
DEoptim(fn = fun, lower = rep(0, N), upper = rep(1, N),
control = DEoptim.control())
$optim$bestval
[1] -0.0532794
$optim$bestmem
par1 par2 par3
1.306302e-15 2.586823e-15 9.307001e-01
parsC <- c(1.306302e-15, 2.586823e-15, 9.307001e-01)
parC <- parsC/sum(parsC)
> fun(parC)
[,1]
[1,] -0.0532794
最適化機能が「あまりにも確率的」であるため、反復回数を増やす必要がありますか?
上記の「第2のトリック」のコードでは、 'fun'の本体に' w < - w/sum(w) 'を追加するのを忘れてしまいました。コードと結果を更新していただけますか? – flodel
ありがとう、私はちょうど更新しました。これらの結果によると、最良の方法は何でしょうか? –
ありがとうございます。私はまだ「第2のトリック」とラベル付けされているものは提案していないことに注意してください。間違っていて、削除する必要があります。私が提案したのは、現在「第1のトリック」と「第3のトリック」とラベル付けされているものです。私はさらに別の方法を提案しました: 'fun'と体外で 'w < - c(w、1-sum(w))'を使用するには、私はこの最後の方法がもう少し堅牢で速くなると思う。 – flodel