Evaluating policies in risk-averse multi-stage stochastic programming

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10313025" target="_blank" >RIV/00216208:11320/15:10313025 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/s10107-014-0787-8" target="_blank" >http://dx.doi.org/10.1007/s10107-014-0787-8</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s10107-014-0787-8" target="_blank" >10.1007/s10107-014-0787-8</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evaluating policies in risk-averse multi-stage stochastic programming

Popis výsledku v původním jazyce

We consider a risk-averse multi-stage stochastic program using conditional value at risk as the risk measure. The underlying random process is assumed to be stage-wise independent, and a stochastic dual dynamic programming (SDDP) algorithm is applied. Wediscuss the poor performance of the standard upper bound estimator in the risk-averse setting and propose a new approach based on importance sampling, which yields improved upper bound estimators. Modest additional computational effort is required to use our new estimators. Our procedures allow for significant improvement in terms of controlling solution quality in SDDP-style algorithms in the risk-averse setting. We give computational results for multi-stage asset allocation using a log-normal distribution for the asset returns.

Název v anglickém jazyce

Evaluating policies in risk-averse multi-stage stochastic programming

Popis výsledku anglicky

We consider a risk-averse multi-stage stochastic program using conditional value at risk as the risk measure. The underlying random process is assumed to be stage-wise independent, and a stochastic dual dynamic programming (SDDP) algorithm is applied. Wediscuss the poor performance of the standard upper bound estimator in the risk-averse setting and propose a new approach based on importance sampling, which yields improved upper bound estimators. Modest additional computational effort is required to use our new estimators. Our procedures allow for significant improvement in terms of controlling solution quality in SDDP-style algorithms in the risk-averse setting. We give computational results for multi-stage asset allocation using a log-normal distribution for the asset returns.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP402%2F12%2FG097" target="_blank" >GBP402/12/G097: DYME-Dynamické modely v ekonomii</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Mathematical Programming, Series A

ISSN

0025-5610

e-ISSN

—

Svazek periodika

152

Číslo periodika v rámci svazku

1-2

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

26

Strana od-do

275-300

Kód UT WoS článku

000358292600009

EID výsledku v databázi Scopus

2-s2.0-84937969694