Convex Risk Bounded Continuous-Time Trajectory Planning and Tube Design in Uncertain Nonconvex Environments
MIT, Computer Science;Artificial Intelligence Laboratory. These authors contributed equally to the paper.
针对含概率障碍物的不确定非凸动静环境,本文利用风险等值线将规划转化为确定性优化,并通过平方和凸优化实现无时间离散化的连续时间风险有界轨迹及最大安全管设计。
2023-06-04 cs.AI cs.RO math.OC
On stochastic auctions in risk-averse electricity markets with uncertain supply
本文研究了随机拍卖中的风险,以促进可再生能源发电在电力市场的整合。我们对风险厌恶的市场参与者进行建模,并通过一致的风险度量来反映他们的风险厌恶。我们发现了一个封闭的形式特征的风险厌恶发电机的最佳预承诺行为,对于一个给定的实时政策,无论有没有风险交易。
2019-06-25 math.OC
Risk averse deterministic Kalman filters for uncertain dynamical systems
Institute of Mathematics and Scientific Computing, University of Graz(格拉茨大学数学与科学计算研究所);Johann Radon Institute, Austrian Academy of Sciences(奥地利科学院约翰·拉德冯研究所)
针对含参数不确定性的动力系统,从确定性视角扩展Kalman-Bucy滤波器,提出可降低大重构误差概率的风险规避设计,推导误差界并通过数值算例对比两类估计器性能。
2025-11-14 math.DS math.OC
On Risk-Sensitive Decision Making Under Uncertainty
National Tsing Hua University(国立清华大学);Cathay Life Insurance(国泰人寿)
本文提出在不确定性下风险敏感决策的最优性条件,并通过最佳投注和库存管理示例验证了理论。
2024-04-20 cs.SY eess.SY math.OC
Robust Policy Selection and Harvest Risk Quantification for Natural Resources Management under Model Uncertainty
本文研究模型不确定性下自然资源管理的最优收获策略选择问题,在新古典增长模型框架下引入初始条件不确定性,利用凸风险测度与 Fréchet 风险测度量化操作与边际风险,从而获得对模型不确定性具有鲁棒性的收获策略。
2022-02-10 math.OC q-fin.RM
A Composite Risk Measure Framework for Decision Making under Uncertainty
在本文中,我们提出了一个统一的框架下的不确定性决策。我们的框架是基于两个风险度量的组合,其中内部风险度量考虑了给定不确定模型参数的精确分布的决策风险,外部风险度量量化了估计分布参数时发生的风险。我们证明了该模型在温和的条件下是易处理的。该框架是现有的几个模型,包括随机规划,鲁棒优化,分布鲁棒优化等的推广。使用这个框架,我们研究了一些新的模型,这意味着概率保证的解决方案,并产生较不保守的结果相比,传统的模型。数值实验进行投资组合选择问题,以证明我们的模型的强度。
2015-01-06 math.OC q-fin.PM q-fin.RM
Robust Risk-Constrained Unit Commitment with Large-scale Wind Generation: An Adjustable Uncertainty Set Approach
针对鲁棒机组组合(RUC)研究中很少涉及的两个重要问题:1)当不确定性的实现超出规定的不确定性集合时,潜在的运行损失可能是多少; 2)用于RUC决策的规定的不确定性集合应该有多大。在这方面,一个强大的风险约束机组组合(RRUC)制定提出了应对大规模的波动和不确定的风力发电。与现有的RUC公式不同,RRUC中的风力发电不确定性集可以通过选择不同的操作风险水平来调整。通过优化不确定性集,RRUC可以在空间和时间域上最优地分配电力系统的操作灵活性,以风险约束的方式降低操作成本。此外,由于考虑了风力发电实现的影响,在规定的不确定性设置的操作风险,RRUC优于RUC的情况下,罕见的事件。提出了三种基于列和约束生成(C&CG)的RRUC算法。由于所提出的算法具有较强的通用性,因此也可以应用于其他RUC模型,以提高其计算效率。对一个改进的IEEE 118节点系统的仿真验证了所提方法的有效性
2016-03-14 math.OC
Risk-Aware MMSE Estimation
尽管最小均方误差(MMSE)估计的简单和直观的解释,其有效性在某些情况下是值得怀疑的。实际上,最小化平均平方误差不提供任何形式的稳定性,因为估计误差的波动性不受约束。当这种波动性在统计上是显著的时,MMSE估计器的平均性能和实现性能之间的差异可以是显著不同的。为了解决这个问题,我们引入了一个新的风险意识的MMSE制定明确约束所涉及的平方误差的预期预测方差的平均性能和风险之间的交易。我们表明,在温和的矩有界性条件下,相应的风险意识的最优解可以显式地评估,并具有适当偏置的非线性MMSE估计的形式。我们通过几个数值例子进一步说明了我们的方法的有效性,这也展示了风险感知MMSE估计对风险中性MMSE估计的优势,特别是在涉及偏斜,重尾分布的模型。
2019-12-06 cs.IT cs.SY eess.SP
Optimal investment problem for a hybrid pension with intergenerational risk-sharing and longevity trend under model uncertainty
本文研究了模型不确定性下混合型养老金计划的最优投资问题,其中缴费和收益都根据计划的绩效进行调整。此外,还考虑了与年龄和时间相关的死亡率和线性最大年龄,以反映寿命趋势。假设计划经理是模糊厌恶的,并被允许投资于无风险资产和股票。计划管理人的目标是在最坏情况下,通过最大限度地减少不稳定缴款风险成本、不稳定福利风险成本和不连续风险成本,找到最佳投资战略和最佳代际风险分担安排。通过应用随机最优控制方法,在惩罚二次费用函数下得到了封闭形式的解。通过数值分析和三种特殊情况的分析,我们发现我国的混合型集体养老金计划能够有效地实现代际风险分担。这也表明,当人们寿命更长时,推迟退休似乎是缓解老龄化问题压力的可行方法。
2023-02-05 math.OC math.PR
A Risk-Neutral Equilibrium Leading to Uncertain Volatility Pricing
我们研究的形成衍生品价格之间的均衡风险中性代理人异质信念的动态基础。在衍生品不能卖空的条件下,我们证明了存在唯一的均衡价格,并表明它包含了可能转售衍生品的投机价值。这种价值通常会导致泡沫;也就是说,价格超过了任何给定代理人的自主估值。在数学上,均衡价格算子是相同的非线性形式,在单代理设置与强烈厌恶模型的不确定性。因此,我们的均衡导致了对这个价格的一种新的解释。
2018-01-03 math.OC q-fin.MF
Dynamic optimal contract under parameter uncertainty with risk averse agent and principal
本文研究了有限时间内连续时间的委托代理模型,在此模型中,委托人和代理人都具有指数效用,并且都具有相同的风险意识水平,与主流的风险中性模型相反,我们假设委托人和代理人都是风险厌恶者。此外,代理的质量是未知的,并建模为过滤项的问题,这是揭示随着时间的推移。委托人不能观察代理人的实际行动,而只能向代理人推荐行动水平。因此,我们有一个\textit{moral hazard}问题。在这种情况下,我们给出了一个明确的解决方案的最优合同问题。
2018-06-05 math.OC q-fin.MF
Wasserstein sensitivity of Risk and Uncertainty Propagation
当在微分方程的数据中传播不确定性时,描述不确定性的概率定律本身通常也会受到不确定性的影响。本文研究了具有随机输入的微分方程的不确定性传播对输入测度扰动的灵敏度分析。研究了一类带随机系数和源项的椭圆扩散方程,证明了其解随机场的概率测度在全变差和Wasserstein距离下均为Lipschitz连续.所得结果推广到任何局部Hölder依赖于输入参数的微分方程的解映射。此外,这些结果扩展到Lipschitz连续量的解决方案,以及连贯的风险泛函的这些应用,以评估其不确定性的影响。我们的分析是基于风险泛函和推进措施的局部Hölder映射的Wasserstein距离扰动输入分布的敏感性。所建立的结果,特别是对数正态扩散和截断的情况下,输入随机场的系列表示。
2022-02-28 cs.NA math.NA math.OC
Distributionally Robust Reinsurance under Robust Optimized Certainty Equivalent Risk Measure
School of Management, University of Science and Technology of China(中国科学技术大学管理学院)
提出鲁棒优化等价确定性(ROCE)风险度量类,涵盖CVaR和expectiles,并研究其在均值-方差和Wasserstein不确定性集下的分布鲁棒再保险问题,得到有限维可解公式。
2026-06-11 math.OC
Risk reversal for least squares estimators under nested convex constraints
Broad Institute of MIT and Harvard(麻省理工学院和哈佛大学博德研究所)
本文研究了在嵌套凸约束下最小二乘估计器的风险反转现象,揭示了在高噪声环境下收紧约束可能反而导致统计性能下降。
2026-07-28 cs.LG math.OC math.ST
Risk Bounds of Multi-Pass SGD for Least Squares in the Interpolation Regime
University of California, Los Angeles(加州大学洛杉矶分校);Johns Hopkins University(约翰斯·霍普金斯大学);Harvard University(哈佛大学)
随机梯度下降(SGD)算法由于其在优化和推广方面的优越性能而获得了巨大的成功。大多数现有的泛化分析都是针对单通道SGD进行的,与常用的多通道SGD相比,单通道SGD是一种不太实用的变体。此外,多遍SGD的理论分析往往关注一类问题中的最坏情况实例,这可能是悲观的,以解释某些特定问题实例的优越泛化能力。本文的目标是通过在内插机制中为最小二乘开发一个依赖于实例的超额风险界,来清晰地描述多遍SGD的泛化,该风险界表示为迭代次数、步长和数据协方差的函数。我们发现,SGD的超额风险可以准确地分解为GD的超额风险和一个正的波动误差,这表明SGD总是表现得更差,实例明智的,比GD,在推广。另一方面,我们表明,虽然SGD需要更多的迭代比GD达到相同水平的超额风险,它节省了随机梯度评估的数量,因此是优选的计算时间。
2022-03-07 cs.LG math.OC stat.ML
Quantifying Uncertainty in Risk Assessment using Fuzzy Theory
Old Dominion University(奥多明尼昂大学)
风险专家正试图更好地理解风险,并使用复杂的模型进行风险评估,而许多风险尚未得到很好的理解。由于缺乏经验数据以及复杂的因果关系和结果关系,很难估计某些风险类型的风险程度。传统的风险模型是基于经典集合论的。相比之下,模糊逻辑模型是建立在模糊集理论上的,对于分析知识不足或数据不准确的风险是有用的。模糊逻辑系统有助于使大规模风险管理框架更加简单。对于没有适当概率模型的风险,模糊逻辑系统可以帮助建立因果关系模型,评估风险暴露程度,以一致的方式对关键风险进行排名,并考虑可用数据和专家意见。此外,在模糊逻辑系统中,一些规则明确地解释了模型因素之间的连接、依赖和关系。这有助于确定风险缓解解决方案。资源可用于降低风险,风险敞口水平非常高,对冲成本相对较低。模糊集和模糊逻辑模型可以与贝叶斯和其他类型的方法识别和决策模型一起使用,包括人工神经网络和决策树模型。这些开发的模型有可能解决困难的风险评估问题。本研究探讨了模糊逻辑模型可用于改善风险评估和风险决策的领域。我们将讨论在风险评估中使用模糊逻辑系统的方法、框架和过程。
2020-09-20 cs.AI math.OC
Parabolic PDE-constrained optimal control under uncertainty with entropic risk measure using quasi-Monte Carlo integration
本文针对带随机热扩散系数和抛物型PDE约束的最优控制问题,提出定制化拟蒙特卡洛方法以高效计算期望值与熵风险度量中的高维积分,并证明其误差率与随机维度无关且优于普通蒙特卡洛方法。
2024-03-27 cs.NA math.NA math.OC
Asymptotic Risk of Learning-Rate Schedules for Least-Squares Regression with Discretely Distributed Features
Inria(法国国家信息与自动化研究所);École Normale Supérieure(巴黎高等师范学院);PSL Research University(巴黎文理研究大学)
该研究针对离散分布特征最小二乘回归的Slock模型,推导了SGD最后迭代的有限时间风险及两类学习率调度的渐近等价式,发现冷却调度可改善风险且最优风险依赖于bT。
2026-10-14 cs.LG math.OC stat.ML