Frank-Wolfe法でポートフォリオ最適化 - Qiita本記事は数理最適化 Advent Calendar 2023の17日目の記事です。 【注意：途中で投資信託のデータセットを使いますが、本記事は現実の投資行動を推奨するものではありません。】 0. はじめに 連続最適化が好きです。（皆さんも好きかと思います。） 特に、凸最適化アルゴリズムが好きです。 ところが、日常の問題解決では、お気に入りのアルゴリズムが役立つ場面は案外少ないです。なぜなら、締切、リソース、歴史的経緯、やる気など、数理的な定式化とは関係ないさまざまな制約が存在するために、肝心の最適化部分は、汎用ソルバーや適当なヒューリスティクスで済ませてしまうことも多いからです。 しかし、ここに往年のポケットモンスターの名言があります。 つよいポケモン よわいポケモン そんなの ひとの かって ほんとうに つよい トレーナーなら すきな ポケモンで かてるように がんばるべき [1] つま
