Multi periods mean-DCVaR optimization: a Recursive Neural Network resolution
创建于 更新于
摘要
本文提出在多期离散时间框架下以显式DCVaR约束进行均值-偏差（mean–DCVaR）组合优化的预承诺问题，并用共享权重的循环神经网络（含ResNet连接）参数化策略以直接在模拟中优化终值并通过Clarke精确罚函数处理约束，实验在多维Black–Scholes金融模型与(re)insurance示例中验证了RNN策略能在满足DCVaR约束的同时提升期望终值（相对静态基线在松约束下获益更大），且在保险场景中RNN可捕捉长期负债的路径依赖特征 [page::0][page::6][page::10][page::15]
