基于高斯过程的风险价值优化
机器学习
2021-05-14 v1
摘要
风险价值（VaR）是一种在具有随机环境因素的关键现实应用中评估风险的既定度量。本文提出了一种新颖的VaR上置信界（V-UCB）算法，用于最大化黑盒目标函数的VaR，并附带首个无遗憾保证。为此，我们首先推导VaR的置信界，然后证明存在环境随机变量的值（将被选以达成无遗憾）使得VaR的置信界位于在该值处评估的目标函数的置信界之内。我们的V-UCB算法在优化合成基准函数、投资组合优化问题以及模拟机器人任务中实证展示了最先进的性能。
引用
@article{arxiv.2105.06126,
title = {Value-at-Risk Optimization with Gaussian Processes},
author = {Quoc Phong Nguyen and Zhongxiang Dai and Bryan Kian Hsiang Low and Patrick Jaillet},
journal= {arXiv preprint arXiv:2105.06126},
year = {2021}
}