Distributionally robust risk evaluation with a causality constraint and structural information
发表于 2025年5月26日上传于 2025年6月19日

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 。