Numpy在阵列组合优化中生成对单个值有限制的随机阵列

Question

我正在开发一个带有约束的投资组合优化代码，使用蒙特卡罗模拟。然而，我遇到了一个问题。我的问题如下：

我有一份工具清单[“多元”、“权益1”、“权益2”、“权益3”、“金融机构”、“现金”]

我想为这些仪器生成一个随机数列表，例如

权重（随机数）=[xx，xx，xx，xx，xx，xx]

但是，有多个约束，例如：

1. 所有重量介于0.05和0.20之间
2. “现金”的权重必须介于0和0.10之间（即0<；=权重[-1]<；=0.10）
3. “权益1”的权重必须为0.15（即权重[1]=0.15）

我能生成满足所有这些条件的随机数吗？当然，所有权重之和必须等于一

谢谢大家的帮助

Answer 1

你可以一个接一个地生成数字，在每一步计算你已经得到的权重的总和。 我将使用random.randint函数进行演示

import random

weights_name = ["Multi", "Equity 1", "Equity 2", "Equity 3", "FI", "Cash"]
weights = [0] * 6

weights[1] = 0.15  # Equity 1 weight
remaining = 0.85 # the sum of the remaining weights

x = random.randint(0, 100)
weights[-1] = x/1000 # Cash weigth
remaining -= weights[-1]

所以对于剩余的重量，你必须生成随机值，这样最后一个不会大于0.2

last_weight = remaining
while last_weight > 0.2:
    last_weight = remaining
    for i in [0, 2, 3]:
        weights[i] = 0.05 + random.randint(0, 150)/1000 # generating a random no between 0.05 and 0.20
        last_weight -= weights[i]
weights[4] = last_weight
for w in weights:
    print(w)

我的输出：

0.2
0.15
0.176
0.196
0.18200000000000005
0.096