Matlab 学习笔记day1线性规划以及投资收益及风险中的线性规划问题

matlab语言基于最为流行的c++语言，可移植性好，可拓展性强

1.1解决线性规划问题

x是对决策向量的取值，fval返回的是目标函数最优值，f是价值向量，A和b对应线性不等式约束，Aeq和beq对应线性等式约束，lb和ub分别对应决策向量的上界和下界向量。

下面以一个线性规划问题为例


于是得到求解的MATLAB程序如下

f=[-2;-3;5];
A=[-2 5 -3;1 3 1];
b=[-10;12];
Aeq=[1 1 1];
beq=7;
[x,y]=linprog(f,A,b,Aeq,beq,zeros(3,1));
x,y=-y

（这里小白注意，不能将脚本名称保存为函数名称）

1.1.1可以转化为线性规划的问题

下面举个例子


所以求解程序如下

clc,clear
c=1:4;c=[c,c]';
b=[-2; -1; -1/2];
A=[1 -1 -1 1;1 -1 -1 -3;1 -1 -2 3];
A=[A,-A];
[y,z]=linprog(c,A,b,[],[],zeros(8,1));
x=y(1:4)-y(5:end);%变为原问题的解，即x=u-v
disp(x);
disp(z);

1.2投资收益及风险

投资中存在两种概念，收益率和风险率，投资越分散，总的风险就越少。下面是关于投资的一系列符号假设

1.2.1建立模型

1.2.2 程序实现

根据分析得到的模型，最后的程序代码如下

clc,clear
a=0;
hold on;
while a<0.05
    c=[-0.05 -0.27 -0.19 -0.185 -0.185];
    A=[zeros(4,1),diag([0.025,0.015,0.055,0.026])];%zeros产生double类零矩阵，diag生成斜对角线矩阵
    b=a*ones(4,1);
    Aeq=[1 1.01 1.02 1.045 1.065];
    beq=1;
    
    [x,Q]=linprog(c,A,b,Aeq,beq,zeros(5,1));
    Q=-Q;
    plot(a,Q,'*b');%b是蓝色，k是黑色
    a=a+0.001;
end
xlabel('a'),ylabel('Q');%xlabel表示在当前图像的x轴标注
    

1.2.3 结果分析：

（a是风险，Q是收益）

1. 风险越大，收益也越多
2. 投资分散时，风险会较小
3. a=0.006有一个转折点，在其左边，风险增加很少的时候利润增长很大。
   即最合适的投资方案：a=0.6%，Q=0.2019,X0=0,X1=0.24,X2=0.4,X3=0.1091,X4=0.2212