On variance reduction of mean-CVaR Monte Carlo estimators

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10313029" target="_blank" >RIV/00216208:11320/15:10313029 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/s10287-014-0225-7" target="_blank" >http://dx.doi.org/10.1007/s10287-014-0225-7</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s10287-014-0225-7" target="_blank" >10.1007/s10287-014-0225-7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

On variance reduction of mean-CVaR Monte Carlo estimators

Popis výsledku v původním jazyce

We formulate an objective as a convex combination of expectation and risk, measured by the CVaR risk measure. The poor performance of standard Monte Carlo estimators applied on functions of this form is discussed and a variance reduction scheme based onimportance sampling is proposed. We provide analytical solution for random variables based on normal distribution and outline the way for the other distributions, either by analytical computation or by sampling. Our results are applied in the framework of stochastic dual dynamic programming algorithm. Computational results which validate the previous analysis are given.

Název v anglickém jazyce

On variance reduction of mean-CVaR Monte Carlo estimators

Popis výsledku anglicky

We formulate an objective as a convex combination of expectation and risk, measured by the CVaR risk measure. The poor performance of standard Monte Carlo estimators applied on functions of this form is discussed and a variance reduction scheme based onimportance sampling is proposed. We provide analytical solution for random variables based on normal distribution and outline the way for the other distributions, either by analytical computation or by sampling. Our results are applied in the framework of stochastic dual dynamic programming algorithm. Computational results which validate the previous analysis are given.

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

Computational Management Science

ISSN

1619-697X

e-ISSN

—

Svazek periodika

12

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

22

Strana od-do

221-242

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-84939986348