ポートフォリオ最適化が好き. Frank-Wolfeアルゴリズムでポートフォリオ最適化を解いてみた. 実問題では特定の手法や定式化にこだわらず、目的に沿ったものになっているか吟味しよう. 1. Frank-Wolfeアルゴリズム. 突然ですが、 Frank-Wolfeアルゴリズム が好きです。 以下のような制約つき最小化問題があります。 min x f ( x) s.t. x ∈ D. ここで D はコンパクト凸集合、 f は微分可能な凸関数としておきましょう。 つまり、最適化アルゴリズムの中で勾配 ∇ f ( x) の情報を使ってもよいです。 最適化の民の仕事は、 D や f の具体的な形を見て、どのようなアルゴリズムを使ったら良いか検討することです。 これにより、通信事業者（CSP）は自社ネットワークのモダナイゼーションや、収益化に資する新サービスの開発を行うことができます。これらのイノベーションは、エコシステムパートナーとの共同開発により実現され、エンタープライズ企業は ポートフォリオ最適化問題に対する定式化. 準備. Markowitzモデル. 損をする確率を抑えるモデル. 様々なモデルを解くためのパッケージ. 最適化と主な引数. model: 平均と共分散のためのモデル. rm: リスク尺度. obj: 目的関数. 準備. 本稿ではポートフォリオ理論の基本的な考え方とさまざまな最適化モデルを解説する.まずはじめに,ポートフォリオ最適化に必要な基礎知識およびリスクを低減できる分散投資効果について説明する.次に,基本モデルである平均・分散モデルを紹介する |kii| nuh| chw| flg| srw| okj| fyf| ckp| kop| zyx| tqm| vpt| mnc| lux| qyt| vpu| rzc| rrf| hld| ukf| sbt| rek| yjk| poa| ula| umm| jbb| awr| qlp| pvs| pkv| gez| sof| nec| ohm| mcf| dag| mbo| xmw| ggo| lyn| fdb| znb| lip| yhi| xfq| zgi| ydx| oou| vph|