Квадратичное программирование в оптимизации портфеля: условия Каруша-Куна-Таккера (KKT)

Математическая формулировка классической задачи QP для портфеля из $n$ активов имеет вид: $min_{w} frac{1}{2} w^T Sigma w$ при условиях $w^T mathbf{1} = 1$ (бюджетное ограничение), $w^T mu = R_{target}$ (требуемая доходность) и $w_i ge 0$ (запрет коротких продаж). Здесь $w$ — вектор весов, $Sigma$ — симметричная положительно определенная ковариационная матрица доходностей, а $mu$ — вектор ожидаемых доходностей активов. Поскольку целевая функция квадратична и строго выпукла, а ограничения линейны, задача имеет единственное глобальное решение.

Для нахождения этого решения строится функция Лагранжа, включающая множители $lambda$ для равенств и векторы множителей $ u$ для неравенств: $L(w, lambda, u) = frac{1}{2} w^T Sigma w - lambda_1 (w^T mathbf{1} - 1) - lambda_2 (w^T mu - R_{target}) - sum u_i w_i$. Условия первого порядка ККТ требуют равенства нулю градиента Лагранжиана по весам: $ abla_w L = Sigma w - lambda_1 mathbf{1} - lambda_2 mu - u = 0$. Помимо этого, ключевыми математическими условиями выступают условие допустимости двойственной задачи ($ u_i ge 0$) и условие дополняющей нежесткости (Complementary Slackness): $ u_i w_i = 0$ для всех $i$.

Условие дополняющей нежесткости имеет глубокий финансовый смысл. Оно утверждает, что если оптимальный вес актива строго положителен ($w_i > 0$), то соответствующий множитель Лагранжа должен быть равен нулю ($ u_i = 0$), и актив находится внутри допустимой области. Если же ограничение активно ($w_i = 0$, то есть акция исключена из портфеля из-за высокого риска или низкой доходности), то $ u_i > 0$, и этот множитель показывает, насколько снизился бы общий риск портфеля, если бы инвестору разрешили открыть по этой бумаге короткую позицию.

Для численного решения систем уравнений ККТ в современных портфельных оптимизаторах используются методы Внутренней точки (Interior Point Methods, алгоримы барьеров) или алгоритм активного множества (Active Set Method). Эти алгоритмы итерационно преобразуют условия дополняющей нежесткости с помощью логарифмических штрафных функций, сходясь к глобальному вектору весов за полиномиальное время. Строгое соблюдение условий ККТ гарантирует математическую стабильность робо-эдвайзеров и систем управления капиталом крупнейших фондов, предотвращая выдачу ошибочных весов при ребалансировке миллиардных портфелей.

Список литературы:
1. Boyd S., Vandenberghe L. Convex Optimization. — Cambridge University Press, 2004.
2. Кун Г.У., Таккер А.В. Нелинейное программирование. — Труды Второго Берклиевского симпозиума по математической статистике и вероятности, 1951.
3. Ширяев А.Н. Основы стохастической финансовой математики. — М.: ФАЗИС, 2004.
Эксперты: Стивен Бойд, Гарольд Кун, Альберт Таккер.