[論文レビュー] Residuals-Based Contextual Distributionally Robust Optimization with Decision-Dependent Uncertainty

Qing Zhu, Xian Yu+1 more|arXiv (Cornell University)|Jun 28, 2024

Risk and Portfolio Optimization被引用数 5

ひとこと要約

この論文は、共変量と意思決定に依存して不確実性をモデル化する残差ベースの文脈型 DRO フレームワーク（ER-D3RO）を導入し、回帰残差を用いて三種類の曖昧性集合とデータ駆動半径を形成し、理論的保証と数値デモを提供する。

ABSTRACT

We consider a residuals-based distributionally robust optimization model, where the underlying uncertainty depends on both covariate information and our decisions. We adopt regression models to learn the latent decision dependency and construct a nominal distribution (thereby ambiguity sets) around the learned model using empirical residuals from the regressions. Ambiguity sets can be formed via the Wasserstein distance, a sample robust approach, or with the same support as the nominal empirical distribution (e.g., phi-divergences), where both the nominal distribution and the radii of the ambiguity sets could be decision- and covariate-dependent. We provide conditions under which desired statistical properties, such as asymptotic optimality, rates of convergence, and finite sample guarantees, are satisfied. Via cross-validation, we devise data-driven approaches to find the best radii for different ambiguity sets, which can be decision-(in)dependent and covariate-(in)dependent. Through numerical experiments, we illustrate the effectiveness of our approach and the benefits of integrating decision dependency into a residuals-based DRO framework.

研究の動機と目的

• 文脈的確率的計画問題における意思決定依存の不確実性を動機づけ、形式化する。
• 予測される未来の周囲に分布的曖昧性を構築するために回帰残差を用いる ER-D3RO フレームワークを開発する。
• 提案手法に対する統計的保証（一致性、収束速度、有限サンプル保証）を提供する。
• 共変量と意思決定依存性の下で曖昧性集合の半径を選択するためのデータ駆動アルゴリズム（交差検証による）を提案する。
• 意思決定依存の出荷計画と価格設定問題でアプローチを実証し、ER-SAAおよびER-DROと比較する。

提案手法

• 不確実性を Y = f*(X,Z) + ε としてモデル化し、f* は関数クラスに属し、ε は X および Z と独立である。
• 回帰推定と残差を用いて経験的残差ベースの DD-SAA (ER-DD-SAA) を構築し、可行性を保証するため Y への凸集合への射影を含む。
• ER の経験分布を中心とする三つの曖昧性集合を形成する： (i) ウォッサースタイン距離ベース、(ii) サンプル堅牢、(iii) 同一サポート曖昧性集合。
• 最悪ケースの期待費用を曖昧集合上で最小化することで ER-D3RO を開発する： hat v_n^{D3RO}(x) = min_z sup_{Q in hat P_n(x,z)} E_{Y~Q}[c(z, Y(x,z))].
• 意思決定依存不確実性の下での理論保証（一致性、収束速度、有限サンプル保証）を調査し、意思決定に依存しない半径および共変量/依存半径への拡張を論じる。
• 異なる曖昧性集合形状と依存性に対して半径を選択するための交差検証ベースの手法を提供する。

実験結果

リサーチクエスチョン

• RQ1 残差ベースの文脈DROフレームワークに意思決定依存不確実性を組み込むにはどうすればよいか。
• RQ2 異なる曖昧性集合構成の下での ER-D3RO の統計的保証（一致性、収束速度、有限サンプル保証）は何か。
• RQ3 半径が共変量および/または意思決定に依存する場合、曖昧性集合の半径はどのように選ぶべきか。
• RQ4 意思決定依存性を組み込むことが決定独立アプローチと比較して外部サンプル性能に与える影響は何か。
• RQ5 意思決定依存の文脈的設定において、三つの曖昧性集合構成（Wasserstein、SR、同一サポート）は実践でどのように比較されるか。

主な発見

• ER-D3RO フレームワークは、学習済みモデルの周囲に残差を用いて曖昧性集合を形成し、残差ベースのDROに意思決定依存性を組み込む。
• 提案手法の三つの曖昧性集合タイプに対する漸近的最適性、収束速度、および有限サンプル保証の条件を提供する。
• 共変量および/または意思決定依存となり得る半径を選ぶための交差検証ベースのデータ駆動手法を提案する。
• 意思決定依存の出荷計画と価格設定に関する数値実験は、意思決定依存性の組込み効果を示し、ER-D3RO を ER-SAA および意思決定独立の ER-DRO と比較し、性能上の利点を強調する。