上下文：我是PyPortfolioOpt的开发人员，PyPortfolioOpt是python产品组合优化库，并且我试图允许用户为最大Sharpe比率问题添加约束。
当前，用户可以将其约束作为lambda函数传递，例如，使所有权重大于1％：
ef = EfficientFrontier(mu, S) # mu and S are expected return and covariance
ef.add_constraint(lambda w: w >= 0.01) # example new constraint
ef.min_volatility() # optimise with constraint
在后端，我将cvxpy变量传递w = cp.Variable(n)给约束lambda函数，以创建有效的cvxpy约束，然后将其传递给cp.Problem并解决它。
我遇到的麻烦是，要最大化Sharpe比率，就需要进行变量替换。形式的约束Ax ~ b（where~表示相等或不相等）必须变为Ax ~ k * bwherek是非负优化变量。
我尝试的一件事是传递w / k给lambda函数。然后，这将导致约束w / k >= 0.01，我希望该约束等效于w >= k * 0.01，但可悲的是，这给出了：
DCPError: Problem does not follow DCP rules. Specifically:
The following constraints are not DCP:
0.01 <= var2817 / Promote(var2818, (20,)) , because the following subexpressions are not:
|-- var2817 / Promote(var2818, (20,))
然后，我以为我可以接受非线性约束constr = (w / k >= 0.01)并将其乘以k得到k * constr = (w >= 0.01 * k)，但不能在cvxpy中乘以约束。
TL; DR：如何将表示的cvxpy约束对象（已实例化）转换为表示w / k >= 0.01的cvxpy约束对象w >= k * 0.01？
否则，我有什么办法可以重新设计它？我想保留lambda函数API。
也许有一些API可以分解已经实例化的约束，以便可以放入变量？
约束是设计不变的。不变性简化了CVXPY的大部分逻辑。
为什么不构造新的约束？您当然可以检查约束的左侧和右侧。现在，可以通过检查args属性来完成（请参阅https://github.com/cvxgrp/cvxpy/blob/master/cvxpy/constraints/nonpos.py#L97）。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句