An Asymptotic CVaR Measure of Risk for Markov Chains
创建于 更新于
摘要
本报告提出了一种用于马尔可夫链长期收益的条件风险价值（CVaR）的渐近度量ACVaR，通过结合大偏差理论和双时尺度随机逼近方法，设计了基于“倾斜”概率核的仿真算法，实现了计算上的可行性和理论保证。数值实验证明该方法在不同状态空间规模上均表现稳定，首次系统化地解决了CVaR评估在无限时间内的推广问题，为风险敏感决策提供了新途径 [page::0][page::2][page::4][page::5][page::6][page::7]。
