The Boosted Difference of Convex Functions Algorithm for Value-at-Risk Constrained Portfolio Optimization
创建于 更新于
摘要
本文提出了一种基于增强型差分凸函数算法（BDCA）求解含VaR约束的投资组合优化问题的新方法。论文构造了非光滑DC函数的线搜索框架，证明算法以线性速度收敛于KKT点，并在大量数值实验中展示其优越的鲁棒性和可行解识别能力。相比传统DCA及其他机会约束方法，BDCA在复杂约束和不利初始化条件下表现更佳，适合实际金融风险控制中的VaR优化问题[page::0][page::4][page::5][page::11][page::24]。
