cvar

本文提出了分位数传播规划（QPP），通过动力学传播一组固定的扰动分位数，在有限的模型评估预算下评估均值和尾部风险。结果表明，在过载和库存任务中，与均值轨迹规划相比，该方法降低了尾部成本和约束违反次数。

本文提出一种风险规避的在线POMDP规划方法，在每一步对信念上的即时成本应用CVaR，同时保留标准的期望累计回报目标，从而可复用现有的基于期望的规划器。作者证明了策略评估、稀疏采样以及粒子信念MDP代理与原始POMDP之间差距界的有限时间保证，并在风险中性极限下退化为标准规划。

本文提出了尾部影响采样（Tail-Influence Sampling, TIS），一种Neyman风格的查询分配方法，用于准确估计随机工作流中固定策略的下尾条件风险价值（CVaR），其方差接近oracle水平，在FinQA上相比rollout将MSE降低了2.4–3.4倍，并在CliffWalking上优于rollout基线方法。

This paper proposes an adaptive training controller for CVaR risk-aware Q-learning, improving finite-budget behavior, reducing Bellman residuals by ~85%, and yielding better risk-adjusted performance in daily Bitcoin trading.

本文提出了一种深度强化学习框架（MORP-DRL），用于多目标基于可靠性的投资组合优化，在实践约束下使用CVaR和EVaR联合优化期望收益和下行风险，并在不同市场体制下的全球股票指数上展示了性能。