Regret Equals Covariance: A Closed-Form Characterization for Stochastic Optimization
遗憾与协方差：随机优化的闭式刻画AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心为一般随机优化理论，Markowitz 仅作为例子，未明确开展资产定价、金融风险或收益预测研究。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
遗憾与协方差：随机优化的闭式刻画
- 研究问题
- 随机优化中的遗憾能否通过成本向量与最优决策的联合矩衡量，从而减少在大量模拟情景中反复求解优化问题的成本？
- 方法与思路
- 作者以最优价值函数推导遗憾的协方差与残差分解，在决策关于成本为仿射时令残差消失，并给出界及经验量极限结果。
- 材料陈述的贡献
- 摘要称，该分解提供无需逐情景重复求解的刻画，还给出依赖可行域半径与成本协方差的分布无关上界及非退化条件下的渐近正态性。
- 阅读关注点
- 应核对遗憾和协方差的标量定义、残差消失条件，以及列出的线性价值函数与二次规划例子如何对应、上界何时有限。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；标题中的等式有残差限定，摘要未完整交代模型形式及非退化条件。
原文摘要
Quantifying regret typically involves repeatedly re-solving a stochastic optimization problem across simulated scenarios. Such an approach is costly: the cost scales with the number of scenarios and the cost of each solve. We propose that regret can instead be measured using the joint moments of the cost vector $c$ and the optimal decision $π^*(c)$. Working with the optimal concave and Lipschitz under only a feasible region value function $v(c) = \min_{z\in Z} c^\top z$, we show that regret always decomposes as $\mathrm{Regret} = -\mathrm{Cov}(c,π^*(c)) - R(c)$ for a residual $R(c)$. We further show that $R(c)=0$ when $π^*$ is affine in $c$, which holds for unconstrained and equality-constrained (e.g., budget-constrained Markowitz) quadratic programs and many, but not all, linear programs. For all cases, we give a distribution-free bound $\mathrm{Regret} \le D\sqrt{\mathrm{tr}(Σ_c)}$ that depends only on the radius of the feasible region and the cost covariance. We also derive concentration and asymptotic-normality results for the empirical regret, the latter under an explicit and checkable non-degeneracy condition.