PulseAugur
中
实时 07:39:37
English(EN) Optimized Certainty Equivalent Risk Minimization Using Samples: Algorithms, Convergence Rates, and Applications

新方法优化金融和机器学习的风险最小化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种优化确定性等价风险（OCE）的新方法，该风险概念在金融和机器学习中有应用。所提出的方法提供了将OCE与基于效用的短缺风险（UBSR）联系起来的特征，从而能够从UBSR的样本平均近似值创建OCE估计器。该研究还详细介绍了一种用于优化OCE的随机梯度算法，并附有非渐近收敛速度界限。实验证明了该算法在解决投资组合优化和不确定性量化问题方面的有效性。 AI

影响 引入了适用于分类和回归等机器学习任务的新型优化技术。

排序理由 学术论文，详细介绍了统计优化问题的新算法和理论收敛速度。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法优化金融和机器学习的风险最小化

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Sumedh Gupte, Prashanth L. A., Sanjay P. Bhat ·

    使用样本优化确定性等价风险最小化：算法、收敛速度和应用

    arXiv:2608.07113v1 Announce Type: new Abstract: We consider the optimization of the Optimized Certainty Equivalent (OCE) risk, with applications including portfolio optimization in finance, and uncertainty quantification, classification, and regression in machine learning. Our co…

相关话题