数据驱动策略的风险量化：CVaR 视角下的后悔分解

论文通过条件在险价值（CVaR）量化数据驱动策略风险，将后悔分解为期望样本后后悔、平均结果 CVaR 差距及样本风险溢价。 针对损失在尾部截断处具有连续密度的情况，样本风险溢价与后样本后悔以相同速率衰减，但比率可达数千；当概率质量随动作移动时，溢价衰减更慢且占主导。 在有限样本数值示例中，该风险溢价约占总后悔量的 74% 至 97%。