May, 2023
无 Lipschitzness 和 Smoothness 在线组合优化的数据相关上界
Data-Dependent Bounds for Online Portfolio Selection Without Lipschitzness and Smoothness
Chung-En Tsai, Ying-Ting Lin, Yen-Huan Li
TL;DR本文介绍了在线组合优化中首个基于数据的小损失和渐变性遗憾界,并提出了相应算法实现,可在投资选择数目较多的情况下,拥有亚线性的遗憾率,并在某些情况下具有对数遗憾率。遗憾界是通过对对数损失的新光滑性特征、对遵循正则化领导者(FTRL)的本地基于范数的分析以及乐观 FTRL 的隐式变体得到的,后者采用对数障碍。