在优化中为 objective 函数中的每个输入组合寻找最佳参数

Question

我正在校准一个模型，为此我必须为我提供给 objective 函数的每个输入组合估计一个参数。我有超过 10k 个输入组合，我想最小化每个组合的参数。模型中的所有其他变量都是已知的。我实现了为整个集合估计 1 个最小值，但这对我没有帮助，当我对每个组合尝试我的方法时，我得到错误： Error in mP[ logik] <- mPv[ logik, drop = FALSE ] : 下标作业中不允许使用 NA。

我的 objective 函数如下所示

x_vol <- vector(mode = "double", length = 10776)

objective_function_vol <- function(x_vol){
  
  S <- calibration_set$index_level
  K <- calibration_set$strike
  tau <- calibration_set$tau
  r <- calibration_set$riskfree_rate
  q <- calibration_set$q
  
  
  model_prices_vol <- vector(mode = "double", length = 10776)
 
  
  for (i in 1:10776){
    model_prices_vol[i] <- hestonCallcf(S = S[i], K = K[i], t = tau[i],
                                        r = r[i], q = 0,
                                        v0 = x_vol[i],
                                        vbar = 0.1064688, rho = -0.9914710,
                                        a = 1.6240300, vvol = 0.98839192)
    print(i)
  }
  
  diff_sq <- (market_price - model_prices_vol)^2
  wdiff <- diff_sq/market_price
  error <- sum(wdiff)/10776
  return(error)

}

我正在使用 NMOF::DEopt 进行优化。是否可以编写第二个循环来存储 x_vol 的最佳值，因为我认为使用下标 i 来表示已知输入值和未知值在某种程度上是错误的。

Answer 1

该错误意味着某些 objective 函数调用导致了 NA。如果您只想最小化单个参数（即标量），微分进化可能不是您想要的方法。沿着一个维度进行网格搜索（可能带有改进）可能会更好。

在优化中为 objective 函数中的每个输入组合寻找最佳参数

Finding optimal parameter for each input combination in the objective function in an optimization

optimization

for-loop

r

nested-loops