黑箱抽樣

深度分析

SRO：以抽樣魯棒化強化生成式模型在投資組合配置的決策表現

隨著生成式模型成為不確定性引擎，傳統分布式魯棒優化無法直接處理抽樣層面的誤差。本文提出抽樣魯棒最佳化（SRO）概念，透過擾動生成器取得最壞抽樣，並以鋭度感知方式提升決策穩定性。實驗顯示在投資組合配置上，SRO 可減少樣本偏差並在分布變換時提升績效。