学者发布深度强化学习灾难性风险感知论文

Carlos Pérez Octavio Mendoza、Frédéric Godin 于 2026 年 10 月 21 日在 arXiv 发布学术论文，提出将面向条件风险价值（CVaR）优化的极值理论（EVT）方法拓展至高维神经网络策略，通过超阈值表示与矩估计得到可微分的尾部风险目标，可直接通过自动微分计算有限样本梯度。 在含罕见极端市场波动的深度对冲问题测试中，EVT 训练的策略在极端场景评估下对冲损失更低，该方法为极端风险相关观测稀缺时的神经网络策略训练提供了可行替代方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。