第15章 跟踪误差最小化———非线性最小二乘法MATALAB编程.pptx

第15章　跟踪误差最小化 ——非线性最小二乘法 MATLAB编程;15.1　理论与案例;15.1.2 　跟踪误差最小化背景;15.2　模型建立;15.2.2 　数学模型;式中：TE(x)表示组合跟踪误差；rtport表示第t日组合收益率，rtindex表示第t日指数收益率；vi表示组合中股票i的数量；pti表示组合中股票i第t日的价格；xi表示组合中股票i的初始权重；m表示组合初始投资规模。积极指数化模型优化目标为跟踪误差最小，这里使用标准差定义跟踪误差。;15.3　MATLAB实现;函数语法： x = lsqnonlin(fun,x0) x = lsqnonlin(fun,x0,lb,ub) x = lsqnonlin(fun,x0,lb,ub,options) x = lsqnonlin(problem) ［x,resnorm］ = lsqnonlin(…) ［x,resnorm,residual］ = lsqnonlin(…) ［x,resnorm,residual,exitflag］ = lsqnonlin(…) ［x,resnorm,residual,exitflag,output］ = lsqnonlin(…) ［x,resnorm,residual,exitflag,output,lambda］ = lsqnonlin(…) ［x,resnorm,residual,exitflag,output,lambda,jacobian］ = lsqnonlin(…) 输入参数： fun: 目标函数,一般用M文件形式给出； x0： 优化算法初始迭代点； lb： 变量下界； ub：变量上界； options: 参数设置。;输出参数： x：最优点输出（或最后迭代点）； resnorm：残差范数； residual: 残差向量； exitflag: 函数停止信息。 ?1函数收敛于解x； ? 2x小于函数特定阈值； ?3残差改变小于函数阈值； ?4搜索方向小于函数特定阈值； ?0函数达到最大迭代次数； ?-1异常停止，请查看output信息； ?-2目标问题异常，lb与ub矛盾； ?-4搜索方程无法使得残差变小。 output: 函数基本信息，包括迭代次数、目标函数最大计算次数、使用的算法名称、计算规模； lambda：拉格朗日乘子； jacobian：Jacobian矩阵。 ?注：优化算法通常通过迭代的方式进行最优解的搜索，理论与过程都比较复杂，上述exitflag信息在此就不再详述。由于跟踪误差最小问题是一个典型的凸优化，凸优化解唯一使得跟踪误差最小化的权重相对较简单。 ;15. 3.2 　建立目标函数;15. 3.3 　模型求解;15.4　扩展问题;赠送结构内容; ;知识网络构建