Distributionally robust risk evaluation with a causality constraint and structural information
创建于 更新于
摘要
本文提出了结合因果约束和结构信息的分布鲁棒风险评估新框架（SCOT），在理论上证明了强对偶性和样本复杂度界，并采用神经网络近似无穷维测试函数空间以优化算法可行性。数值实验中，SCOT策略在多周期投资组合选择中显著优于经典最优传输方法，特别在模型不确定性较高时表现更加合理和稳健 [page::0][page::1][page::2][page::4][page::6][page::9][page::12][page::15][page::16]。
