Dual Interior Point Optimization Learning
Georgia Institute of Technology(佐治亚理工学院)
针对约束优化中传统求解器速度慢的问题,本文提出对偶内点优化学习方法,通过平滑自监督损失函数训练对偶线性优化代理,结合对偶补全策略保证可行性,提升求解速度且最优性间隙低于1%。
2025-02-12 cs.LG math.OC
Dual Conic Proxies for AC Optimal Power Flow
Georgia Institute of Technology(佐治亚理工学院)
针对现有学习方法无法为 AC-OPF 提供有效对偶边界的问题,本文提出一种嵌入可微对偶可行性恢复的新架构,结合自监督学习训练二阶锥松弛代理,有效提供对偶边界并免除了昂贵数据生成。
2024-03-26 cs.LG math.OC
Learning Optimization Proxies for Large-Scale Security-Constrained Economic Dispatch
Georgia Institute of Technology(佐治亚理工学院)
安全约束经济调度(SCED)是输电系统运营商(TSO)在保证电网可靠运行的同时,实时清除能源市场的基本优化模型。在运营不确定性日益增加的背景下,由于可再生发电机和分布式能源的渗透率增加,运营商必须持续实时监控风险,即,他们必须快速评估系统在负载和可再生能源生产的各种变化下的行为。不幸的是,考虑到实时操作的严格约束,系统地解决每个这样的场景的优化问题是不实际的。为了克服这一限制,本文提出学习SCED的优化代理,即,一个机器学习(ML)模型,可以在毫秒内预测SCED的最佳解决方案。受MISO市场清算优化的原则分析的启发,本文提出了一种新的ML管道,解决了学习SCED解决方案的主要挑战,即,负荷、可再生能源产出和生产成本的可变性,以及承诺决策的组合结构。一种新的分类,然后回归架构,还提出了进一步捕捉SCED解决方案的行为。法国传输系统的数值实验报告,并证明该方法的能力,在一个时间框架内,是兼容的实时操作,准确的优化代理,产生相对误差低于$0.6\%$。
2021-12-27 cs.LG cs.SY eess.SY
Manifold learning and optimization using tangent space proxies
University of Chicago(芝加哥大学);Pritzker School of Molecular Engineering, University of Chicago(芝加哥大学普利兹克分子工程学院);Department of Medicine, University of Chicago(芝加哥大学医学院);Committee on Immunology, University of Chicago(芝加哥大学免疫学委员会);Institute for Biophysical Dynamics, University of Chicago(芝加哥大学生物物理动力学研究所);CZ Biohub Chicago, LLC(CZ 芝加哥生物中心有限责任公司);NSF-Simons National Institute for Theory and Mathematics in Biology(NSF-Simons 生物学理论与数学国家研究所)
本文提出一种基于图集图表示的框架,用于高效逼近流形上的微分几何基本元素,并在格拉斯曼流形优化、点云学习及黎曼支持向量机中展示其优势。
2025-01-22 cs.LG math.OC
Martingale Characterizations of Risk-Averse Stochastic Optimization Problems
本文讨论了随机最优化问题的风险意识。嵌套风险度量在这种情况下自然出现,因为它们允许对算法治疗进行有益的重新制定。通过在问题表述中引入风险意识,提出的重构扩展了动态最优化中常见的Hamilton-Jacobi-Bellman方程。嵌套风险度量建立在风险度量之上,风险度量来源于随机过程的历史条件。我们推导出这些风险测度的鞅性质,并用它们来证明连续性。它表明,随机最优化问题,其中包括风险意识,通过嵌套的风险措施,是连续的自然距离,这些最优化问题,嵌套的距离。
2018-02-13 math.OC
Expectiles In Risk Averse Stochastic Programming and Dynamic Optimization
本文主要讨论动态优化和随机最优化中的期望问题。期望函数是一类风险泛函,它是最优化问题的极小化函数。由于这个原因,他们享有各种独特的稳定性,可以利用在风险规避管理,随机最优化和最优控制。本文提供了紧密联系的期望其他风险泛函,并解决其性质的回归。此外,我们将期望扩展到动态框架。因此,它们允许在连续时间动态最优化和Hamilton-Jacobi-Bellman方程的风险规避变体中并入风险规避方面。
2023-03-06 math.OC
Learning Optimization Proxies for Sequential Contextual Stochastic Programs: An Order Fulfillment Application
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(佐治亚理工学院工业与系统工程系);Tippie College of Business, University of Iowa(爱荷华大学蒂普皮商学院)
针对需要亚秒级响应的序列上下文随机程序,提出一种场景嵌入神经网络代理,通过离线训练和在线解码器保证可行性,在订单履行中实现2800倍加速和3.3%成本改进。
2026-06-25 cs.LG math.OC
De-risking solutions to optimization problems
Columbia University(哥伦比亚大学)
提出一种切割平面方法,通过调整优化问题的解来降低风险暴露特征(如资产或资源集中),且与风险表示无关,旨在快速降低风险指标而不显著增加名义成本,或证明无法调整。
2026-07-10 math.OC
Simulation Optimization of Risk Measures with Adaptive Risk Levels
优化一般损失分布的风险度量(如风险价值(VaR)和条件风险价值(CVaR))通常是困难的,因为1)损失函数可能缺乏结构属性,如凸性或可微性,因为它通常是通过随机系统的黑箱模拟生成的; 2)风险度量的评估通常需要稀有事件模拟,这是计算昂贵的。在本文中,我们研究了最近提出的基于梯度的自适应随机搜索(GASS)的风险度量VaR和CVaR的优化。而不是优化的VaR或CVaR在目标风险水平直接,我们纳入了一个自适应更新计划的风险水平,通过初始化的算法在一个小的风险水平,并自适应地增加它,直到达到目标的风险水平,而算法收敛的同时。这使得我们能够自适应地减少每次迭代估计风险度量所需的样本样本个数,从而提高算法的整体效率。
2016-08-02 math.OC
A Frank-Wolfe Based Branch-and-Bound Algorithm for Mean-Risk Optimization
本文提出了一个预算约束下的均值-风险优化问题的精确算法,其中决策变量可以是连续的或整数的。风险由协方差阵度量,并由任意单调函数加权,这允许以非常个性化的方式对风险厌恶进行建模。我们通过设计一个分支定界算法来解决这类凸混合整数最小化问题,其中在每个节点处,连续松弛由具有远离步骤的非单调Frank-Wolfe型算法来解决。投资组合最优化问题的实验结果表明,我们的方法可以优于CPLEX 12.6的MISOCP求解器的情况下,被认为是一个线性的风险加权函数。
2017-05-05 math.OC
Some Studies on Stochastic Optimization based Quantitative Risk Management
School of Economics and Management, Tongji University(同济大学经济与管理学院)
本文研究了基于随机优化的量化风险管理,探讨了风险指标评估与优化技术,并展示了随机优化在解决相关问题中的有效性。
2025-12-31 math.OC
Lifted Polymatroid Inequalities for Mean-Risk Optimization with Indicator Variables
研究了均值-风险优化中一类带指示变量的混合0-1锥二次最优化问题。指标变量通常用于模拟非凸性,如固定费用或基数约束。由于二元约束,该问题可归结为一个次模函数极小化问题,通过提升二元变量上的多拟阵不等式,得到了三类强凸有效不等式.计算实验表明,在加强凸松弛的不等式的有效性,从而提高了固定费用和基数约束的平均风险问题的解决时间显着。
2018-08-25 math.OC
Risk minimization in life-cycle oil production optimization
油藏的地质情况在很大程度上是未知的。因此,用于生产优化的储层模型具有很大的不确定性。为了最小化相关风险,石油文献主要使用基于集成的方法来优化净现值(NPV)的样本估计风险度量。然而,成功地减少风险关键取决于风险措施的选择。作为生产优化中风险缓解的系统方法,本文用一致性公理和厌恶公理刻画了适当的风险度量。作为适当度量的一个例子,我们考虑不同风险水平下的条件风险值$\text{CVaR}_α$,$α$。通过模拟案例研究,证明了$\text{CVaR}_α$的潜力,以尽量减少利润损失。该案例研究将$\text{CVaR}_α$与以反应式控制为代表的真实世界最佳实践进行了比较。它表明,对于任何风险水平,$α$,我们可以找到一个优化的策略,提供更低的风险比反应性控制。然而,尽管整体风险较低,我们看到,所有优化的策略仍然产生一些不可接受的低利润实现相对于无功控制。为了弥补这一点,我们引入了一种基于净现值偏移分布的风险缓解方法。与石油文献中的现有方法不同,抵消风险缓解方法相对于代表常见实际实践的参考策略(例如反应控制)将风险降至最低。在模拟案例研究中,我们最小化最坏情况下的利润抵消,以减少比反应策略更差的实现风险。结果表明,在生产优化中,当风险最小化时,考虑净现值偏移分布比考虑净现值分布更有意义。
2018-01-02 math.OC
Randomized quasi-Monte Carlo methods for risk-averse stochastic optimization
本文为定律不变风险泛函的样本近似建立了大数定律,涵盖MC和RQMC方法,并实证表明基于scrambled Sobol'序列的RQMC在风险规避优化中比MC具有更小的偏差和均方根误差。
2024-08-05 math.OC
Mathematical Foundations of Distributionally Robust Multistage Optimization
分布鲁棒优化在其问题公式化中涉及各种概率测度。它们可以被捆绑起来构成一个风险函数。对于这种等价性,风险泛函构成了分布鲁棒随机规划的基本组成部分。多阶段规划需要风险泛函的条件版本,以重新评估未来的风险后,部分实现和先前的决定。本文讨论了通过将风险泛函的真特征传递给其条件对偶来构造风险泛函的条件对偶。条件风险泛函原来是不同的嵌套类似物的原始(法律不变)的风险措施。证明了初始测度及其嵌套分解可用于分布鲁棒多阶段环境。
2021-05-13 math.OC
Sample Size Estimates for Risk-Neutral Semilinear PDE-Constrained Optimization
本文针对随机输入下半线性椭圆PDE约束的风险中性优化问题,利用覆盖数方法推导SAA临界点的非渐近样本量上界,并给出期望与指数尾部精度界及数值验证。
2023-09-05 math.OC
Adaptive sampling strategies for risk-averse stochastic optimization with constraints
我们介绍了自适应抽样方法的随机规划确定性约束。首先,我们提出并分析了一个变种的随机投影梯度法的样本量用于近似降低梯度确定的飞行和更新自适应。该方法适用于广泛的一类基于预期的风险措施,并导致显着减少用于估计的目标函数梯度的个人梯度评估。期望风险最小化和条件风险值最小化的数值实验支持这一结论,并证明了风险中性和风险厌恶问题的实际性能和功效。其次,我们提出了一种基于相似自适应采样原理的SQP型方法。该方法的优点在简化的工程设计应用中得到了证明,该应用具有不确定载荷条件和模型不确定性的钢壳结构的风险规避形状优化。
2023-02-05 math.OC
Bilevel optimization with a multi-objective lower-level problem: Risk-neutral and risk-averse formulations
该研究针对下层多目标的双层优化问题,提出风险中性与风险厌恶的新形式,并开发了对应的确定性及随机梯度算法,填补了该类问题随机逼近研究的空白。
2023-11-06 math.OC
Consistency of Monte Carlo Estimators for Risk-Neutral PDE-Constrained Optimization
本文将样本平均近似方法应用于带随机输入的非线性 PDE 约束的风险中性优化问题,通过构造可行集的确定性紧子集并结合随机规划理论,分析了 SAA 最优值与解的一致性,且在三个非线性优化问题中验证了框架假设。
2022-11-16 math.OC
Dividend and Capital Injection Optimization with Transaction Cost for Spectrally Negative Lévy Risk Processes
对于一个准备金为谱负Lévy过程的保险公司,研究了最优脉冲分红使得期望累计净分红减去累计注资成本最大化的问题.在这种情况下,股息的受益人注入资本,以确保非负风险过程,使保险公司永远不会破产。得到了最优脉冲股利和最优注资策略及其价值函数。
2020-04-11 math.OC
Optimization of conditional convex risk measures
条件凸风险测度的优化问题是动态投资组合理论中的一个核心问题,但由于条件凸风险测度既不是随机严格凸的,也不是随机强制的,因此在以往的文献中尚未对其进行系统的研究。本文的目的是给出这一问题存在唯一性的一些基本结果,特别是对条件单调均值-方差和条件熵风险测度的结果是完整和深入的。作为本文工作的基础,本文首先对随机泛函分析进行了简要的介绍,包括其产生的历史背景和一些重要进展。本文进一步综述了随机凸分析及其在条件凸风险测度中的应用的最新进展。最后,在此基础上,我们建立了条件单调均值-方差最优化问题有解的一个简洁的充分必要条件。利用最近发展起来的$L^0$ --凸紧性理论,证明了当收益率的条件均值给定且收益率落在随机闭球内时,条件熵风险测度的最优化问题的存在性.此外,还解决了相关的唯一性问题。
2019-10-23 math.OC
Reference-Based Almost Stochastic Dominance Rules with Application in Risk-Averse Optimization
随机优势是在一类效用函数上定义的对不确定前景的偏好关系。虽然这个效用类代表了风险厌恶的基本属性,但它包括一些极端的效用函数,这些函数很少表征理性决策者的偏好。在本文中,我们引入了基于参考的几乎随机优势(RSD)规则,很好地平衡了风险厌恶的一般表示和决策者的风险偏好的个性化。其核心思想是,在一般效用类中,我们构造决策者个人效用函数的邻域,并表示在这个邻域上的偏好关系。RSD规则揭示了量化决策者在备选方案之间的稳健偏好的最大优势水平。提出了RSD约束的随机最优化模型,并给出了基于伯恩斯坦多项式的近似算法。这个模型是用一个投资组合最优化问题来说明的。
2015-12-25 math.OC
Fair Risk Optimization of Distributed Systems
本文提出一个分布式系统总风险评估与优化框架,采用公理化的系统性风险度量,通过分布式分解方法求解两阶段决策问题,并在灾害管理中实现公平风险分配,数值实验验证了其有效性。
2025-09-06 math.OC
Risk-averse optimization under distributional uncertainty with Rockafellian relaxation
George Mason University(乔治梅森大学);Universidad Católica de la Santísima Concepción(圣神隐修会天主教大学);Universidad de Concepción(康塞普西翁大学);Union College(联合学院)
本文提出一种能应对真实概率分布形式不确定性的风险规避优化框架,结合风险度量与松弛技术,解决了偏微分方程约束问题,并在理论上提供了加强的Γ-收敛结果和新的存在性结论。
2026-04-13 math.OC
An extension of Ordered Weighted Averaging over intervals with application to optimization under risk
University of Passau(帕绍大学);Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
本文提出将有序加权平均扩展至区间连续情况,并应用于具有随机变量系数的优化问题,通过扭曲风险度量和近似方法解决风险优化问题。
2026-02-02 math.OC
A Bayesian Risk Approach to Data-driven Stochastic Optimization: Formulations and Asymptotics
一大类随机规划涉及优化相对于实际未知的潜在分布所采取的期望。一个流行的方法来解决分布的不确定性,被称为分布鲁棒优化(DRO),是对冲最坏的情况下,一组不确定的候选分布。然而,已经观察到,不确定性集的不适当构造有时会导致过度保守的解决方案。为了探索乐观地忽略分布的不确定性和悲观地固定在最坏情况下的中间地带,我们提出了一个贝叶斯风险优化(BRO)框架的参数基础分布,这是优化的风险功能适用于后验分布的一个未知的分布参数。我们特别感兴趣的是四个风险泛函:均值,均值方差,风险价值和条件风险价值。为了揭示BRO的含义,我们建立了目标函数和最优解的一致性,以及目标函数和最优值的渐近正态性。更重要的是,我们的分析揭示了一个隐藏的解释:BRO的目标可以近似地被视为后验平均目标和(平方)半宽度的真实目标的置信区间的加权和。
2017-08-28 math.OC
On the equivalence between Value-at-Risk- and Expected Shortfall-based risk measures in non-concave optimization
本文研究了一个非凹的最优化问题,其中金融公司在基于风险的监管约束下最大化盈余的期望效用。对于这个问题,我们考虑了四个不同的流行风险约束(预期短缺,预期贴现短缺,风险价值,平均风险价值),并研究其对最优解的影响。我们的主要贡献是在四个风险约束下获得一个解析解,以最优终端财富的形式。我们发现,四个风险约束导致相同的最优解,这不同于以往的结论,从相应的凹最优化问题下的风险约束。与基准(无约束)非凹效用最大化问题相比,所有四个风险约束有效地和等价地减少了零终端财富集合,但没有完全消除这个集合,表明各自的金融监管的成功和失败。
2022-06-20 math.OC q-fin.RM
A Risk-Sensitive Portfolio Optimization Problem with Fixed Incomes Securities
讨论了一类风险敏感的投资组合优化问题。我们考虑Nagai在2003年研究的投资组合优化模型。就其性质而言,该模型也可以在投资组合中包括固定收益证券。在相当一般的条件下,我们证明了有限和无限时间问题中最优投资组合的存在性。
2007-11-17 math.OC q-fin.PM
Risk Quadrangle and Robust Optimization Based on Extended $φ$-Divergence
该研究提出扩展φ-散度与扩展φ-散度四边形,将分布鲁棒优化整合进基础风险四边形框架,推导相关元素的原始与对偶表示,证明其可涵盖多种常见优化问题,并通过案例可视化内部最大化的最优解。
2024-12-10 math.OC stat.OT
Portfolio Optimization of Indonesian Banking Stocks Using Robust Optimization
Sepuluh Nopember Institute of Technology(十十一月理工学院)
本研究针对印尼银行股,采用移动窗口法和自助法构建不确定性集合的鲁棒优化,发现移动窗口法在较小风险厌恶参数下能提供更优的风险-收益权衡,适合风险承受型投资者。
2025-10-17 math.OC q-fin.PM
Efficient Stochastic Approximation of Minimax Excess Risk Optimization
Nanjing University(南京大学);Artificial Productivity Inc.(人工智能生产力公司);Xiaohongshu Inc.(小红书科技有限公司)
本文针对极小极大超额风险优化(MERO)提出高效随机逼近方法,利用随机凸优化估计最小风险,解决有偏梯度下的随机凸-凹优化问题,实现近最优收敛并处理样本量不均场景。
2024-05-28 cs.LG math.OC
Multi-Period Portfolio Optimization: Translation of Autocorrelation Risk to Excess Variance
从长远来看,增长最优投资组合保证比任何其他投资策略积累更高的财富。然而,它们在短期内往往有风险。对于序列不相关的市场,最近提出了类似的投资组合,具有更强的担保。本文扩展了这些强大的投资组合,容纳非零自相关,可能会反映投资者对市场走势的信念。此外,我们证明了这种自相关性所带来的风险可以通过修改资产收益的协方差矩阵来吸收。
2016-09-19 math.OC q-fin.PM
Single-stage gradient-based stellarator coil design: stochastic optimization
我们扩展了[Giuliani et al,2020]中用于轴准对称的单级仿星器线圈设计方法,以额外考虑线圈制造误差。通过独立于线圈离散化对线圈误差进行建模,我们可以灵活地考虑线圈误差的实际形式。相应的随机最优化问题,制定使用风险中性的方法和风险厌恶的方法。我们提出了一个有效的,基于梯度的下降算法,它依赖于解析导数来解决这些问题。在全面的数值研究中,我们比较了确定性和风险中性随机最优化的线圈设计,并发现风险中性的制定结果更强大的配置,并减少了局部极小值的最优化问题的数量。我们还比较了确定性和风险中性的方法,在准对称性和远离磁轴,并在靠近轴释放的粒子的限制。最后,我们表明,对于我们考虑的最优化问题,一个风险厌恶的目标,使用条件风险价值导致的结果是类似的风险中性的目标。
2021-06-23 math.OC physics.plasm-ph
Solving Bayesian Risk Optimization via Nested Stochastic Gradient Estimation
在本文中,我们的目标是解决贝叶斯风险优化(BRO),这是最近提出的框架,制定输入不确定性下的模拟优化。为了有效地解决BRO问题,我们推导了嵌套随机梯度估计,并提出了相应的随机逼近算法。我们证明了我们的梯度估计是渐近无偏的和一致的,并且算法是渐近收敛的。我们证明了双边市场模型的算法的实证表现。我们的估计是独立的兴趣,随机梯度估计的情况下,嵌套的风险函数的文献。
2020-07-16 math.OC stat.CO
Risk-Aware Control and Optimization for High-Renewable Power Grids
Georgia Institute of Technology(佐治亚理工学院)
电网从化石燃料向可再生能源的过渡对推动其运营的市场清算算法提出了根本性挑战。实际上,负荷的增加的随机性和可再生能源的波动性已经导致预测误差的显著增加,从而影响现有确定性最优化模型的可靠性和效率。RAMC项目旨在研究如何从这种确定性环境转变为风险感知框架,其中明确量化不确定性并将其纳入市场清算优化。风险意识市场清算本身就提出了挑战,主要是从计算的角度来看。本文回顾了RAMC如何实现风险感知的市场清算,并介绍了它在不确定性量化、优化和机器学习方面的一些创新。真实网络上的实验结果。
2022-04-02 cs.LG math.OC
Generalizing Markowitz Portfolio Optimization by a Quadratic Risk Measure
Institute of Mathematics, Vilnius University(维尔纽斯大学数学研究所)
该研究将经典马克维茨投资组合优化的方差风险测度推广至严格凸二次风险测度,推导了多种投资组合的闭式公式,发现切线投资组合与最大夏普比率投资组合不重合的新几何现象并通过数值示例验证。
2026-08-26 math.OC q-fin.PM
Inverse Optimization of Convex Risk Functions
凸风险函数的理论现在已经很好地建立起来,作为识别应用于风险厌恶最优化问题的风险函数族的基础。尽管其理论上的吸引力,凸风险函数的实施仍然是困难的,因为很少有关于如何选择凸风险函数的指导,使它也很好地代表自己的风险偏好。在本文中,我们通过逆优化的镜头来解决这个问题。具体而言,给定的解决方案数据,从一些(向前)风险厌恶的最优化问题,我们开发了一个逆优化框架,生成一个风险函数,使解决方案的最佳正向问题。该框架结合了凸风险函数的众所周知的属性,即单调性,凸性,平移不变性和定律不变性,作为候选风险函数的一般信息,以及来自个体的反馈,其中包括风险函数的初始估计和随机损失之间的成对比较,作为更具体的信息。我们的框架是特别新颖的,不像经典的逆优化,没有参数假设的风险函数,即它是非参数的。我们展示了如何得到的逆最优化问题可以重新表述为凸规划,是多项式可解的,如果相应的正问题是多项式可解的。我们举例说明了在投资组合选择问题中的估算风险函数,并使用实际数据证明了它们的实用价值。
2022-07-19 math.OC q-fin.CP q-fin.MF
Entropic Risk Constrained Soft-Robust Policy Optimization
University of New Hampshire(新罕布什尔大学)
在强化学习中,拥有一个完美的模型来计算最优策略通常是不可行的。在高风险领域,量化和管理由模型不确定性引起的风险是非常重要的。熵风险测度是一种基于指数效用的凸风险测度,它满足许多合理的性质。在本文中,我们提出了一个熵风险约束的策略梯度和演员评论家算法,是风险厌恶的模型的不确定性。我们证明了我们的算法在几个问题域的有用性。
2020-06-20 cs.LG math.OC stat.ML
Robustness in the Optimization of Risk Measures
我们在定量风险管理和优化的背景下研究鲁棒性问题。我们开发了一个通用的方法来确定是否一个给定的风险度量相关的优化问题是强大的,我们称之为“鲁棒性对优化”。新的概念研究了各类风险措施和期望效用和损失函数。受金融监管实际问题的启发,特别关注业界最广泛使用的两种风险度量方法,即风险价值(VaR)和预期损失(ES)。我们建立了一类一般的优化问题,风险值导致非鲁棒优化,而凸风险措施一般导致强大的。我们的研究结果提供了额外的见解正在进行的讨论的比较优势,风险值和ES在银行和保险监管。我们的鲁棒性的概念是概念上不同的鲁棒优化领域,其中一些有趣的链接。
2021-02-11 math.OC math.PR q-fin.MF
Risk-averse Stochastic Optimization for Farm Management Practices and Cultivar Selection Under Uncertainty
Iowa State University(爱荷华州立大学)
优化管理实践和选择最佳栽培品种在增加农业粮食产量和减少环境足迹方面发挥着重要作用。在这项研究中,我们开发的优化框架下的不确定性使用条件风险值的随机规划目标函数。我们整合作物模型,APSIM,和并行贝叶斯优化算法,以优化管理措施,并选择最佳品种在不同程度的风险规避。这种方法结合了最优化的力量,在确定最佳的决策和作物模型,在模拟自然的输出对应于各种决策。作为一个案例研究,我们为美国玉米带的25个地点建立了作物模型。我们优化了管理选项(种植日期,氮肥量,播种日期,种植密度在农场)和品种选项(不同成熟期的品种)三次:a)前,b)在种植和c)后的生长季节与已知的天气。结果表明,该模型产生了有意义的天气和最优决策之间的联系。同时,我们发现在潮湿和非潮湿天气下,风险容忍的农民比风险厌恶的农民获得更多的期望产量。
2022-07-17 cs.LG math.OC
Optimal Methods for Convex Risk Averse Distributed Optimization
Georgia Institute of Technology(佐治亚理工学院)
研究了网络上凸风险厌恶优化问题的通信复杂性。该问题是风险中性有限和分布式最优化问题的推广,其重要性源于在不确定环境中处理风险的需要。对于文献中的算法,在解决风险规避和风险中性问题的通信复杂性方面存在差距。我们提出了两个分布式算法,即分布式风险规避优化(DRAO)方法和分布式风险规避优化滑动(DRAO-S)方法,以缩小差距。具体而言,DRAO方法通过假设某个鞍点子问题可以在服务器节点中容易地求解来实现最优通信复杂度。DRAO-S方法通过引入一个新的鞍点滑动子程序消除了强假设,该子程序只需要在模糊度集$P$上的投影。我们观察到由DRAO-S执行的$P$ -投影的数量是最佳的。此外,我们开发了匹配的较低的复杂度界限,以显示两个DRAO和DRAO-S的通信复杂度是可以改进的。数值实验表明,令人鼓舞的DRAO-S方法的经验性能。
2023-03-07 cs.DC cs.LG math.OC
Subdifferentials of Convex Operators Valued in the Space of Integrable Functions with Application to Risk-Averse Optimization
Stevens Institute of Technology(史蒂文斯理工学院);Rutgers University(罗格斯大学)
本文研究取值于Lc_p空间的凸算子及其与单调凸泛函复合的次微分,提出基于局部性质的新工具,并应用于带部分信息和随机占优约束的风险规避随机优化问题,导出新的次微分最优性条件。
2025-11-07 math.FA math.OC
Convex Optimization Over Risk-Neutral Probabilities
我们考虑一组衍生品,这些衍生品的价格取决于标的资产在到期日或到期日的价格。不存在套利等价于价格存在风险中性概率分布;特别是,任何风险中性分布都可以被解释为证明不存在套利。我们感兴趣的情况下,有多个风险中性概率。我们描述了一些风险中性价格概率凸集上的凸优化问题。这些包括计算风险中性概率集上的累积分布、VaR、CVaR和其他量的界限。在对标的价格离散化后,这些问题就变成了有限维的凸或拟凸优化问题,因此是容易处理的。我们使用标准普尔500指数和比特币的实物期权和期货定价数据来说明我们的方法。
2020-03-05 math.OC q-fin.CP stat.AP
Optimizing distortion riskmetrics with distributional uncertainty
具有分布不确定性的失真风险度量的优化在金融和运筹学中有着广泛的应用。失真风险度量包括许多常用的风险度量和偏差度量,它们不一定是单调或凸的。我们的主要发现之一是一个统一的结果,使我们能够转换一个优化的非凸失真riskmetric与分布的不确定性,凸的,导致很大的易处理性。统一等价结果的充分条件是集中闭性的新概念,其变体也被证明是等价所必需的。我们的研究结果包括许多特殊情况下,以及在优化文献中研究,包括但不限于优化概率,风险价值,预期不足,雅里的双重效用,失真风险措施之间的差异,在各种形式的分布不确定性。我们说明我们的理论结果,通过应用程序的投资组合优化,矩约束下的优化,偏好鲁棒优化。
2022-02-23 math.OC math.PR q-fin.RM
Ergodic-Risk Constrained Policy Optimization: The Linear Quadratic Case
本文提出遍历风险约束策略优化,将遍历风险准则引入LQR框架,并用原始-对偶方法在满足风险约束下优化平均性能,提升闭环系统对重尾过程噪声波动的鲁棒性。
2025-02-10 cs.SY eess.SY math.OC
Stochastic Optimization for Spectral Risk Measures
University of Washington(华盛顿大学)
光谱风险目标-也称为$L$ -风险-允许学习系统在优化平均情况性能(如经验风险最小化)和任务的最差情况性能之间进行插值。我们开发了随机算法来优化这些数量,通过表征它们的次微分和解决挑战,如偏置的次梯度估计和非光滑的目标。我们从理论上和实验上表明,开箱即用的方法,如随机次梯度和双平均受阻的偏见,我们的方法优于他们。
2022-12-10 cs.LG math.OC stat.ML
Discrete-time risk sensitive portfolio optimization with proportional transaction costs
本文研究了具有成比例交易成本的离散时间风险敏感投资组合优化问题。我们表明,在日志返回i.i.d.框架的解决方案,一个合适的贝尔曼方程存在最小的假设,并可以用来描述最优策略的风险规避和风险寻求的情况下。此外,使用数值例子,我们展示了如何贝尔曼方程分析可以用来构建或完善最佳的交易策略,在存在交易成本。
2022-01-08 math.OC q-fin.MF q-fin.PM
Consistency of Distributionally Robust Risk- and Chance-Constrained Optimization under Wasserstein Ambiguity Sets
我们研究了具有机会和风险约束的随机最优化问题,在后者中,风险被量化为条件风险价值(CVaR)。我们考虑这些问题的分布鲁棒版本,其中的约束条件是必须持有的家庭的分布构造从观察到的实现的不确定性通过Wasserstein距离。我们的主要研究结果表明,如果样本是独立地从一个潜在的分布和问题满足适当的技术假设,那么这些问题的分布鲁棒版本的最优值和优化收敛到各自的数量的原始问题,作为样本量的增加。
2020-12-16 cs.SY eess.SY math.OC
Portfolio Optimization with Entropic Value-at-Risk
熵风险价值(EVaR)是一种新的一致性风险度量,它是风险价值(VaR)和条件风险价值(CVaR)的上界。作为重要的性质,EVaR在其定义域上是强单调的,在包含所有连续分布的广义子定义域上是严格单调的,而著名的单调风险度量,如VaR和CVaR却缺乏这些性质。风险度量的一个关键特征,除了它的金融属性之外,是它在基于大规模样本的投资组合优化中的适用性。如果投资组合的负收益率是一个可微凸函数,基于EVaR的投资组合优化得到的是一个可微凸规划,其变量和约束的个数与样本量无关,而对于VaR和CVaR则不是这样.这使我们能够设计一个有效的算法,使用可微凸优化。我们广泛的数值研究表明,在大规模的算法的高效率,相比现有的凸优化软件包。EVaR的投资组合优化方法的计算效率进行了比较,基于CVaR的投资组合优化。该比较表明,EVaR方法通常表现相似,并且随着样本量的增加,其表现更好。此外,通过对实际案例中EVaR和CVaR方法得到的投资组合进行比较,表明EVaR方法可以在高置信水平下找到具有更好预期和VaR值的投资组合。
2017-08-18 math.OC q-fin.PM q-fin.RM
Portfolio optimization with two quasiconvex risk measures
本文研究了一个静态的投资组合优化问题,该问题具有两个风险度量:目标函数中的主风险度量和约束中的次风险度量。当有必要同时考虑双方(如投资组合经理和监管机构)的风险偏好时,这个问题就很有趣。这个问题的一个特殊情况下,风险措施被假定为一致的(正齐次)是最近在作者的一项联合工作中研究。本文通过假设这两个风险测度是拟凸的,将分析扩展到更一般的情况。首先,我们研究的情况下,主要的风险措施是凸的。我们引入了一个对偶问题,证明了投资组合优化问题和对偶问题之间的对偶性差距为零,最后给出了一个条件,在这个条件下,对偶问题的拉格朗日乘子在最优性下给出了一个最优投资组合.接下来,我们研究的一般情况下,没有凸性假设,并表明,一个近似的最优解与规定的最优性差距,可以通过使用著名的二分法结合的对偶结果,我们证明。
2020-12-11 math.OC q-fin.PM q-fin.RM
Ergodic-risk Criterion for Stochastically Stabilizing Policy Optimization
UCLA Samueli Mechanical & Aerospace Engineering Department, University of California, Los Angeles(加州大学洛杉矶分校萨缪尔i机械与航空航天工程系);University of California, Los Angeles(加州大学洛杉矶分校);School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)
本文提出遍历风险准则用于随机稳定化策略优化,通过理论分析和模拟验证了该方法在处理重尾分布噪声下的有效性。
2025-12-02 cs.SY eess.SY math.OC
Multilevel Stochastic Gradient Descent for Risk-Averse PDE-Constrained Optimization
Heidelberg University(海德堡大学);Johann Radon Institute for Computational and Applied Mathematics(约翰·拉多纳计算与应用数学研究所);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Politecnico di Torino(都灵理工大学)
提出多级随机梯度下降算法求解风险规避三维PDE约束优化问题,利用自适应多级蒙特卡洛梯度估计,相比标准批处理方法具有更优收敛速度和计算复杂度。
2026-06-23 cs.NA math.NA math.OC
Risk-Adaptive Approaches to Stochastic Optimization: A Survey
University of Southern California(南加州大学)
本文综述风险度量在随机优化中的发展,梳理其理论基础、算法、应用及与分布鲁棒优化等方向的联系。
2024-04-03 cs.LG math.OC stat.ML
Portfolio optimization with two coherent risk measures
我们提供了两个一致性风险度量的静态投资组合优化问题的分析结果。两个风险度量的使用是由投资组合选择的联合决策所激励的,其中投资组合经理的风险感知是主要关注的,因此,它出现在目标函数中,并且外部权威的风险感知也需要考虑在内,其以风险约束的形式出现。该问题包括风险最小化问题的预期收益率约束和预期收益率最大化问题的风险约束,作为特殊情况。对于资产收益率服从任意联合分布的一般情形,在一定条件下,我们将最优投资组合刻画为一个等式约束对偶问题的最优拉格朗日乘子.然后,我们考虑高斯收益的特殊情况下,它是可能的,以确定所有的情况下,最优解存在,并给出一个明确的公式,只要它存在的最优投资组合。
2020-07-11 math.OC q-fin.PM q-fin.RM