报童条件风险价值最小化：自适应数据选择下的基于特征方法
最优化与控制
2023-08-29 v2 统计理论
统计理论
摘要
经典的风险中性报童问题是决定使期望利润最大的订货量。近期一些工作提出了一种替代模型，其目标是最小化条件风险价值（CVaR），这是金融风险管理中一种不同但非常重要的风险度量。本文提出一种在自适应数据选择下基于特征的非参数方法用于报童CVaR最小化（NPC）。NPC方法简单且通用。它能处理线性和非线性利润下的最小化问题，且不需要需求分布的先验知识。我们的主要贡献有两点。首先，NPC使用基于特征的方法。NPC的估计参数可轻松应用于规范性分析以提供额外的运营洞察。其次，与常见的非参数方法不同，我们的NPC方法采用自适应数据选择准则，仅需一小部分数据（仅来自两个尾部的数据），显著减少了计算量。数值和真实实验的结果均证实NPC在困难和大型数据结构下具有鲁棒性。使用更少的数据点，NPC计算出的订货量在极端情况下导致的下行损失等于或少于竞争方法。
引用
@article{arxiv.2209.11121,
title = {Newsvendor Conditional Value-at-Risk Minimisation: a Feature-based Approach under Adaptive Data Selection},
author = {Congzheng Liu and Wenqi Zhu},
journal= {arXiv preprint arXiv:2209.11121},
year = {2023}
}