Estoy usando quadprog en MATLAB para una optimización muy simple de media-varianza, con menos de 100 activos.
Es bastante rápido pero si ejecuto una estrategia con reequilibrio diario, el tiempo de ejecución puede acumularse muy rápidamente.
¿Alguien conoce algún solver más rápido, particularmente en MATLAB?
Creo que hay varias maneras de abordar tus problemas.
En primer lugar, mencionaste que realizas varias optimizaciones. Una solución que me viene a la mente en lugar de acelerar la optimización en sí es realizar las optimizaciones de forma paralela, por lo que podrías mirar la Caja de herramientas de Cómputo Paralelo de Mathworks.
En segundo lugar, proporcionar al optimizador una buena suposición inicial reduce el tiempo de ejecución, en qué medida depende del problema. En este caso, los pesos óptimos del día anterior pueden ser una buena suposición.
En tercer lugar, si deseas acelerar la optimización, básicamente tienes dos enfoques.
O bien puedes usar el mismo método pero con un paquete que esté implementado de una manera más óptima, y podrías mirar paquetes como el de NAG.
De lo contrario, crees que hay otro método que sería mejor para encontrar una solución. He visto que las personas utilizan la Optimización cónica para este tipo de problemas y sé que MOSEK tiene un paquete de MATLAB para ese método. También puedes mirar su documento técnico para más detalles sobre este enfoque.
Para más teoría sobre optimizaciones numéricas como la programación cuadrática, podrías echar un vistazo a Optimización Numérica de Nocedal y Wright.
No estoy seguro si esto aplica en este escenario, pero otra idea es iniciar el solucionador con una buena suposición inicial. En este caso, una buena suposición podría obtenerse usando los pesos de la cartera del día anterior.
Tuve el problema de crear un portafolio a partir de 10000 series temporales. Así que utilicé el principio de optimización codiciosa. 1. selecciona la mejor serie temporal de índice de Sharpe 2. selecciona la próxima serie temporal que, en combinación, crea el mejor índice de Sharpe 3. añade una serie temporal más que crea el mejor índice de Sharpe del portafolio 4. continúa añadiendo una por una hasta llegar a 100 aproximadamente 5. divide los pesos por 100 y obtendrás los pesos que sumen 1
puedes añadir restricciones dentro del bucle principal - es decir, no añadas más del 10% del mismo tipo. los resultados son similares a quadprog pero mucho más rápidos.
Pyalogtrade modulo local de optimización de pyalgotrade: http://gbeced.github.com/pyalgotrade/docs/v0.9/html/tutorial.html
La idea principal es aprovechar los servicios de computación en la nube de Google para optimizar tus estrategias, lo cual es especialmente útil cuando no tienes acceso a un grupo de computadoras para optimizar tus estrategias en paralelo.
Ten en cuenta que solo debes ejecutar un servidor y uno o más trabajadores en diferentes computadoras.
Soporte de Google App Engine http://gbeced.github.com/pyalgotrade/docs/v0.9/html/googleappengine.html
Descarga Pyalogtrade aquí: http://gbeced.github.com/pyalgotrade/downloads/index.html
Google App Engine SDK para Python https://developers.google.com/appengine/downloads
Tema relacionado: Cambiarse de Matlab a Python para Trading Cuantitativo e Investigación
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
0 votos
¿Cuánto tiempo se tarda ahora en optimizar? Para el rebalanceo diario de media-varianza, supongo que no necesitarías más que el optimizador estándar, incluso con 100 activos. En resumen, define mejor tu problema (el tamaño de tu conjunto de restricciones y el método de optimización que utilizas, ...), tal vez podamos ayudarte desde ahí ya.
0 votos
La optimización en sí misma es muy simple, simplemente una optimización estándar de media-varianza con restricciones estándar de no negatividad e inversión total. El único problema es que necesito hacer esto diariamente para, digamos, 30 carteras diferentes cada una con 100 activos. Por lo que podría llevar horas en total. He estado usando quadprog en Matlab con el algoritmo interior-point-convex. Es muy posible que no haya nada que pueda hacer para acelerar esto, pero pensé en probar suerte preguntando aquí.
1 votos
Entiendo que quieres hacer una prueba retrospectiva que revise los últimos n años utilizando 30 estrategias diferentes. Es posible que desees considerar el procesamiento en paralelo. Eso tiende a funcionar bien en este tipo de situaciones.
0 votos
Olvidé mencionar que ya estaba utilizando el procesamiento en paralelo. Ejecuté el perfilador en mi código y quadprog es el que más tiempo está tomando simplemente porque se llama tantas veces. Así que cualquier cosa para acelerarlo será muy valiosa.
0 votos
¿Cuánto tiempo tarda una sola ejecución de varianza media en Matlab en 100 activos?
0 votos
Podrías considerar concentrarte en los cálculos de la función objetivo. Matlab es bueno para vectorizar cosas, pero a veces un bucle ineficiente se esconde en algún lugar. Tu problema es lo suficientemente fácil como para ponerlo en C, solo para asegurarte.