自主稀疏均值 - VaR 投资组合优化
我们提出了一种随机近端线性方法的变体,用于最小化条件风险价值(CVaR)目标,该方法在机器学习中的风险测量中具有广泛应用。我们将一般的收敛定理应用于该模型,并通过实验证明,它比随机次梯度方法更好地利用了目标的结构,并且适应了损失函数的缩放,这使得调整更容易。
May, 2023
本文研究了风险受限随机最短路径问题中的条件风险价值,提出了两种基于随机逼近、小批量、策略梯度和重要性采样的本地风险最优策略算法,并将条件风险价值估计过程纳入算法中进行梯度和方差的估计和降低。
May, 2014
本文提出了一种基于理想 (凸包) 形式的新的计算稀疏回归的强凸松弛方式,采用半定优化问题在扩展空间中求解,具有更强更通用的性能。实验表明,所提出的锥形公式的解可以在几秒钟内求解,且在统计学上的预测精度和解释性上表现更佳。
Jan, 2019
本文研究在马尔可夫决策过程中的均值 - CVaR 优化问题,并提出了策略梯度和演员评论算法,以在局部风险敏感的最优策略中更新策略参数,解决了一个最优停止问题。
Jun, 2014
该研究论文关注于通过组合优化模型创建高质量的推荐项目列表,以平衡推荐的准确性和多样性。提出了利用鲁棒优化技术处理估计统计不确定性的鲁棒组合优化模型,并证明该方法能够提高推荐的准确性和多样性。
Jun, 2024
本文提出了一种新的算法 Forward-PECVaR,用于确切评估具有非均匀成本的 CVaR-SSPs 的稳态策略,并通过实证评估 CVaR Value Iteration 算法的质量以及算法参数对解决方案的质量和可伸缩性的影响。
Mar, 2023
本文介绍从一般的角度分析在使用稀疏估计方法中相关的优化工具和技术,包括近端方法、块坐标下降、加权 L2 正则技术、工作集和家族方法以及非凸形式和扩展。同时,我们提供了一组广泛的实验来比较各种算法在计算方面的差异。
Aug, 2011
研究一种基于条件风险价值(CVaR)的风险规避统计学习框架,提出了基于随机梯度下降的算法。对于凸和 Lipschitz 的损失函数,该算法收敛到最优 CVaR,而对于非凸和平滑的损失函数,该算法在 CVaR 上的泛化界表现良好。通过在各种机器学习任务上进行数值实验,证明了该算法有效地将 CVaR 最小化。
Feb, 2020
本文提出了一种基于随机块升协方差策略搜索算法的无模型策略搜索框架,通过数值分析证明了其的收敛性和应用性,并将其应用于多个基准域上的风险管理与优化问题。
Sep, 2018
本文介绍了一种基于结构规则的稀疏估计方法,通过应用不仅仅关注稀疏性,而且可以考虑一些结构化先验知识,这种方法可以处理多种结构的问题。同时,我们还介绍了该方法在无监督学习、非线性变量选择等方面的应用。
Sep, 2011