我正在尝试使用scipy minimize函数进行以下优化：

V = np.matrix(pd.read_csv('V.csv'))`

R = np.matrix(pd.read_csv('R.csv', index_col = 'Ticker'))`

w0= list()
for i in range(0, 84):
    w0.append(1/84)

def calculate_portfolio_var(w,V):
    w = np.matrix(w)
    return (w*V*w.T)[0,0]

cons = ({'type': 'eq', 'fun': lambda x:  np.sum(x)-1.0})
myBound = [(0, 1) for i in range(0, 84)]
res= minimize(calculate_portfolio_var, w0, args=V, method='SLSQP',constraints=cons, bounds = myBound)

其中V是方差-协方差矩阵，R是股票年化收益率的序列。

除了 2 个约束 (cons和myBound) 之外，我还想要一个额外的约束，即结果投资组合收益（结果权重和股票收益的加权平均值）等于某个数量并且股票数量小于等于一定数。。

例如，它应该如下所示：

cons = ({'type': 'eq', 'fun': lambda x:  np.sum(x)-1.0},
        {'type': 'eq', PortfolioReturn = 10%,
        {'type': 'ineq', number of result stocks <= 40)

我对 Scipy 最小化不太熟悉，如果有人可以帮助我，我将不胜感激。