Risk-Averse Welfare Maximization via Marginal Treatment Effects¶
作者: Jarrod Burgh, Emerson Melo
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2609.30617
一、领域脉络与小综述¶
这个方向是什么¶
本文所处的子领域是政策学习(policy learning),其根本问题是:在观测数据下,如何从预定义的策略类 Π 中选择一个治疗分配规则 π: Z → {0,1},以最大化某种社会福利准则。该领域由 Manski (2004) 奠基,经 Kitagawa and Tetenov (2018) 发展为具有有限样本保证的实证福利最大化(Empirical Welfare Maximization, EWM)范式。本文的独特定位在于同时处理两个此前未被结合的维度:(1) 内生选择——个体基于未观测特征自选择进入治疗,需借助工具变量与边际处理效应(MTE)框架识别;(2) 风险厌恶——决策者关心的不是福利的期望,而是其分布的低尾表现,需借助相干风险度量建模。该子方向当前处于"将统计决策理论从期望准则推广到分布准则"的活跃期,但内生选择与分布准则的结合尚属空白。
发展脉络¶
- 奠基工作:Manski (2004) 提出统计决策理论框架下的治疗分配问题,将政策评估从"估计效应"转向"选择策略",并引入 minimax regret 准则。这一工作确立了"策略类 + 福利准则 + 有限样本保证"的三元结构。
- 风险中性 + 外生选择(EWM 范式):Kitagawa and Tetenov (2018) 在完全随机实验(外生选择)下建立了 EWM 的有限样本遗憾界,证明其以 minimax 最优速率收敛(至多对数因子)。其技术核心是经验过程理论与 Rademacher 复杂度,这一工具链成为后续工作的标准框架。
- 风险中性 + 内生选择:Sasaki and Ura (2024) 将 EWM 推广到内生选择,利用 MTE 框架将福利准则表示为可识别泛函,并建立相应的遗憾界。其关键洞察是:在 Roy 模型下,条件平均福利 W(π, Z) 可通过工具变量识别,从而将政策学习问题转化为对 MTE 的积分泛函的估计问题。
- 风险厌恶 + 外生选择:并行地,Qi et al. (2023)、Fan et al. (2025)、Cui and Han (2025) 将风险厌恶引入政策学习,但均假设治疗分配外生(或条件外生)。Fan et al. (2025) 的 α-期望福利准则与 Cui and Han (2025) 的分布福利准则均依赖无混淆假设。
- 本文位置:作者声称填补了表 1 中"内生选择 × 风险厌恶"这一空格。其技术路线是:将相干风险度量的变分表示(Proposition 3.1)与 MTE 的识别结果结合,将风险厌恶政策学习转化为一个可处理的优化问题,并利用 Rademacher 复杂度建立遗憾界。
子线索聚类¶
- 政策学习的统计决策理论(Manski 2004; Stoye 2009, 2012; Hirano and Porter 2009; Tetenov 2012):关注 minimax 准则、部分识别与稳健决策,不涉及具体估计策略。
- 实证福利最大化(EWM)(Kitagawa and Tetenov 2018; Mbakop and Tabord-Meehan 2021; Athey and Wager 2021a):关注有限样本遗憾界、策略类的复杂度度量(VC 维、Rademacher 复杂度),是本文的直接技术前身。
- MTE 与内生选择的识别与估计(Björklund and Moffitt 1987; Heckman and Vytlacil 2005; Sasaki and Ura 2024):关注在工具变量下识别异质性处理效应,并将之用于政策评估。
- 相干风险度量与分布稳健优化(Artzner et al. 1999; Shapiro 2013; Ben-Tal and Teboulle 2007; Ruszczyński and Shapiro 2021):提供风险度量的公理化体系、变分表示与对偶理论,是本文建模风险厌恶的工具箱。
- 风险敏感政策学习(Qi et al. 2023; Fan et al. 2025; Cui and Han 2025):将分布准则(AV@R、分位数、分布稳健)引入政策学习,但均在外生选择假设下。
这个方向在追问的核心问题¶
- 识别:当个体自选择进入治疗且存在未观测异质性时,如何从观测数据识别任意策略 π 的福利分布(而非仅期望)?——本文通过 MTE 框架回答:W(π, Z) 可识别,但个体层面 Y(π) 的分布不可识别(Theorem 2.1 的界正是对这一事实的量化)。
- 估计:如何以有限样本保证估计最优风险厌恶策略?——本文通过变分表示将非线性风险度量转化为线性期望问题,从而复用 EWM 的 Rademacher 复杂度工具。
- 统计-计算权衡:风险厌恶准则(尤其通过 Kusuoka 表示)引入额外的优化变量(η、α),这是否导致计算不可行?——本文通过 Range Restriction Lemma 将 η 限制在有界区间,但未讨论高维策略类下的计算复杂度。
- 效率:风险厌恶准则的遗憾界是否达到 minimax 最优?——本文给出的是上界,未给出匹配的下界。
⚠️ 作者的 framing¶
作者将缺口 frame 为"风险中性假设在政策学习中的局限性":现有 EWM 文献(Kitagawa and Tetenov 2018; Sasaki and Ura 2024)仅优化期望福利,无法区分"均值相同但尾部风险不同"的策略。作者声称其框架通过相干风险度量统一了期望(β=1)、AV@R 和 worst-case(β→0)准则,且不需要额外的识别假设——这是其相对于分布稳健方法(如 Cui and Han 2025)的核心卖点。作者淡化的竞争路线包括:(1) 直接对个体层面 Y(π) 分布施加结构假设(如分位数回归)的方法;(2) 需要完全识别联合分布的动态处理效应方法。作者未提及的明显空白是:对偶表示中 ξ 的支撑集假设(Proposition 3.1 要求 ξ ∈ D* 有界)在实证中如何验证。
张力¶
未见明显对立引用。但存在一个值得注意的张力:Sasaki and Ura (2024) 的识别策略依赖工具变量的条件独立性(Assumption 1(i)),而本文的 Theorem 2.1 的界 K₀ 依赖于 W(π, Z) 与 Y(π) 的偏差上界——当工具变量较弱时,MTE 估计的方差会放大,但本文的遗憾界(Theorem 4.1)未显式包含第一阶段估计误差。这是一个"识别假设强度 vs. 估计精度"的潜在张力,作者未讨论。
二、最核心、最简单的例子 / 数学问题¶
第一步:符号、模型、可观测数据¶
符号清单(按出现顺序):
| 记号 | 含义 | 类型 |
|---|---|---|
| Y | 观测结果变量 | 随机变量 |
| D | 二元治疗指示 | 随机变量 |
| Z = (Z₀, X) | 协变量向量,Z₀ 为工具变量,X 为包含协变量 | 随机变量 |
| Y⁰, Y¹ | 潜在结果(无治疗/有治疗) | 潜在变量 |
| ε̃ | 治疗选择中的未观测异质性 | 潜在变量 |
| ε = F_{ε̃|X}(ε̃) | 归一化后的选择异质性,ε|Z ~ Uniform(0,1) | 潜在变量 |
| v(Z) | 选择指数,D = 1{v(Z) − ε ≥ 0} | 确定性函数 |
| π: Z → {0,1} | 治疗分配策略 | 决策规则 |
| Π | 策略类 | 函数类 |
| Y(π) = π(Z)Y¹ + (1−π(Z))Y⁰ | 策略 π 下的个体结果 | 潜在变量 |
| W(π, Z) = E[Y(π)|Z] | 条件平均福利 | 可识别泛函 |
| W(π) = E[W(π, Z)] | 无条件平均福利 | 目标泛函 |
| ρ: L^p → ℝ | 相干风险度量 | 泛函 |
| MTE(x, ε̄) = E[Y¹−Y⁰|X=x, ε=ε̄] | 边际处理效应 | 可识别函数 |
| f(Z; π) = π(Z)∫₀¹ MTE(X, ν)dν | 策略 π 的福利贡献函数 | 可识别函数 |
| F = {f(·; π): π ∈ Π} | 诱导函数类 | 函数类 |
| Rₙ(F; Zⁿ) | Rademacher 复杂度 | 复杂度度量 |
| K = 2(B+M) | 有界区间长度 | 常数 |
| α_min | Kusuoka 表示中最小尾部权重 | 常数 |
模型(数据生成机制):
- 潜在结果:Y = DY¹ + (1−D)Y⁰,Y⁰, Y¹ 可依赖 (X, ε)。
- 选择机制:D = 1{v(Z) − ε ≥ 0},ε ⊥ Z | X,ε|X ~ Uniform(0,1)。这是标准的阈值交叉 Roy 模型。
- 工具变量:Z₀ 满足条件独立性 ε ⊥ Z₀ | X,且对 v(Z) 有预测力。
- 可观测数据:i.i.d. 样本 {(Yᵢ, Dᵢ, Zᵢ)}ᵢ₌₁ⁿ,其中 Zᵢ = (Z₀ᵢ, Xᵢ)。
关键识别结果(Sasaki and Ura 2024):在以上假设下, W(π, Z) = E[Y⁰|Z] + π(Z)∫₀¹ MTE(X, ν)dν, 其中 E[Y⁰|Z] 和 MTE(X, ν) 均可由观测数据识别(通过工具变量局部平均处理效应 LATE 的推广)。
目标:求解 sup_{π∈Π} ρ(W(π, Z)), 其中 ρ 为相干风险度量,且从有限样本中学习最优策略并控制遗憾。
第二步:最小内核¶
剥去所有一般性假设后,本文的核心数学问题是:
设 X 为有限集(|X| = m),Z = X(无工具变量),策略类 Π 为所有阈值规则 π_t(x) = 1{x ≥ t}。观测数据为 i.i.d. 样本 {(Yᵢ, Dᵢ, Xᵢ)}ᵢ₌₁ⁿ。假设选择机制为 D = 1{v(X) − ε ≥ 0},ε ~ Uniform(0,1) 独立于 X。定义条件平均福利 W(π_t, x) = E[Y⁰|x] + π_t(x)·Δ̄(x),其中 Δ̄(x) = ∫₀¹ MTE(x, ν)dν 为 x 处的平均处理效应。决策者最大化 AV@R_β(W(π_t, X)),即
sup_{t} [ sup_{λ} { λ + (1/β) E[(W(π_t, X) − λ)⁻] } ]。
*证明:当 β < 1 时,最优策略 t_β 与风险中性最优 t₁ 不同,且 t_β 的估计需要估计 W(π_t, x) 的整个分布(而非仅均值)。
为什么这个例子抓住了本文的本质:
-
非线性是关键:AV@R_β 是 W(π_t, X) 分布的非线性泛函。即使 W(π_t, x) 对每个 x 可识别,ρ(W(π_t, X)) 也不能表示为 E[某函数]——它涉及分布的低尾积分。这解释了为什么 Theorem 2.1 需要引入 K₀ 界:ρ(W(π, Z)) 与 ρ(Y(π)) 的差距正是由"条件期望 vs 个体结果"的分布差异驱动。
-
变分表示是技术核心:AV@R_β 的变分表示(Rockafellar-Uryasev)将非线性泛函转化为一个关于 λ 的凹函数最大化问题。Proposition 3.3 将此推广到一般 φ-散度风险度量,得到 sup_{η} {η − E[φ*(η − W(π, Z))]}。这一步将"分布泛函"转化为"逐点期望",使得 Rademacher 复杂度工具可用。
-
统计难度由 α_min 控制:在 Kusuoka 表示中,若风险度量对低尾赋予权重 α,则估计误差按 1/α 放大(Corollary 4.1)。这直观对应:越关注极端尾部,需要越多数据才能分辨不同策略的尾部差异。在最小例子中,β=0.25 的策略比 β=1 的策略需要约 4 倍样本达到相同遗憾。
-
内生选择通过 MTE 进入:在最小例子中,Δ̄(x) 的估计需要工具变量。若忽略内生性(如 Athey and Wager 2021a 的 naive 方法),估计的 Δ̄(x) 有偏,导致策略选择错误。本文的 Theorem 2.1 的界 K₀ 正是对这一偏差的量化。
证明的直观路径(对应原文 Theorem 4.1):
- Step 1:利用变分表示,将 ρ(W(π, Z)) 写为 sup_{η} {η − E[φ*(η − W(π, Z))]}。
- Step 2:对每个固定的 η,η − E[φ(η − W(π, Z))] 是 W(π, Z) 的期望(经 φ 变换),可用样本均值估计。
- Step 3:对 η 取 sup 引入额外复杂度,但 Lemma 4.1 将 η 限制在 [a, b](由 W 的有界性决定),使 sup 的代价仅为 O(1/√n)。
- Step 4:Rademacher 复杂度界定 sup_{π∈Π} |E[φ(η − W(π, Z))] − Eₙ[φ(η − W(π, Z))]|,其中 φ* 的 Lipschitz 常数 L_φ 进入界。
- Step 5:对 φ-散度风险度量,L_φ 由 α_min 控制(表 2),得到最终遗憾界。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在个体基于未观测特征自选择进入治疗(内生选择)的观测数据下,如何学习一个治疗分配策略,使得相干风险度量(而非期望)下的社会福利最大化,并给出有限样本遗憾保证。
- 核心工具/方法:将 MTE 框架(识别条件平均福利)与相干风险度量的变分表示(Rockafellar-Uryasev 对偶、Kusuoka 表示)结合,将风险厌恶政策学习转化为一个可处理的 sup-η 优化问题,并利用 Rademacher 复杂度建立遗憾界。
- 主要结论:风险厌恶准则下的经验策略学习具有 O(L_φ·(Rₙ(F) + K/√n)) 的遗憾界,其中 L_φ 是风险度量特有的 Lipschitz 常数(AV@R_β 为 1/β,熵风险为 e^{2γ(B+M)});更强的尾部厌恶(更小 β 或更大 γ)导致更大的统计复杂度。在 Card (1995) 数据上,风险厌恶显著改变最优大学录取策略,将治疗从高福利个体重新分配给低福利个体。
关键设定与假设¶
- Assumption 1(识别假设):(i) ε ⊥ Z₀ | X(工具变量条件独立性);(ii) E[Y^d|Z, ε] = E[Y^d|X, ε](排除限制);(iii) ε|X 连续且支撑为凸。这些假设与 Heckman and Vytlacik (2005) 的 MTE 识别框架一致,相比 Sasaki and Ura (2024) 没有额外收紧——这是作者强调的贡献之一。
- Assumption 2(有界性):|∫₀¹ MTE(X, ν)dν| ≤ M < ∞ a.s.。这保证诱导函数类 F 一致有界,是 Rademacher 复杂度界的前提。
- Assumption 3(基线结果有界):|Y⁰| ≤ B < ∞ a.s.。这保证 W(π, Z) 有界,从而 Lemma 4.1 的 Range Restriction 成立。
- Assumption 4(Kusuoka 尾部控制):风险度量的 Kusuoka 表示中,最小尾部权重 α_min > 0。这是本文新增的关键假设,用于控制一般相干风险度量的统计复杂度。它排除了"无限关注极端尾部"的病态风险度量。
- Assumption 5(局部正则性,Appendix C):W(π, Z) 的分布在均值附近有界密度。这是为验证 mean-semideviation 的 α_min 下界而引入的技术性假设。
相比已有文献的放宽/强化: - 相比 Kitagawa and Tatenov (2018):将外生选择放宽为内生选择(通过 MTE),但增加了风险度量的 Lipschitz 常数 L_φ 作为代价。 - 相比 Sasaki and Ura (2024):将期望福利推广为相干风险度量,但未增加识别假设——这是理论贡献的核心。 - 相比 Qi et al. (2023)、Fan et al. (2025):将外生选择放宽为内生选择,但未处理个体层面 Y(π) 的完全分布识别——Theorem 2.1 的界 K₀ 正是对这一局限的量化。
主要结果¶
Theorem 2.1(识别界):对任意凹风险度量 ρ 满足 (A1)-(A3), sup_{π∈Π} ρ(Y(π)) − K₀ ≤ sup_{π∈Π} ρ(W(π, Z)) ≤ sup_{π∈Π} ρ(Y(π))。 即:基于条件平均福利的风险厌恶政策评估是部分识别的,误差上界为 K₀ = sup_{π} sup_{ω} (W(π, Z(ω)) − Y(π)(ω))。当 K₀ = 0(无个体异质性)时,风险厌恶准则退化为期望准则。
Theorem 4.1(有限样本遗憾界):对 φ-散度风险度量,以概率至少 1−δ, R_ρ(π̂ₙ) ≤ 2L_φ·(4E[Rₙ(F; Zⁿ)] + 2K/√n + K√(log(1/δ)/(2n))), 其中 L_φ 是 φ* 在 [−K, K] 上的 Lipschitz 常数。对 AV@R_β,L_φ = 1/β;对熵风险,L_φ = e^{2γ(B+M)}。
Corollary 4.1(策略类特化):当 Π 为 VC 维 V 的策略类时, R_ρ(π̂ₙ) = O(L_φ·√(V log(n/V)/n)), 恢复 Kitagawa and Tatenov (2018) 的 minimax 最优速率(至多对数因子),但常数从 1 变为 L_φ。
证明路线与技术技巧:
- 整体路线(4 步):
- Step 1(变分表示):利用 Rockafellar-Uryasev 表示,将 ρ(W(π, Z)) 写为 sup_{η∈[a,b]} {η − E[φ*(η − W(π, Z))]}(Proposition 3.3)。这一步将非线性风险度量转化为线性期望。
- Step 2(Range Restriction):证明 sup 可限制在 [a, b](Lemma 4.1),利用 W 的有界性(Assumptions 2-3)和 φ* 的凸性。这避免了无界优化。
- Step 3(经验过程):对固定的 η,η − E[φ(η − W(π, Z))] 是 W(π, Z) 的期望(经 φ 变换),用 Rademacher 复杂度界定 sup_{π∈F} |E[·] − Eₙ[·]|。关键技巧是*对 φ 用 Lipschitz 收缩**(contraction principle),将复杂度从 φ*∘F 转移到 F。
-
Step 4(对称化与并集界):对 η 的离散化(网格)取并集界,代价为 O(log(1/δ)/n) 项。
-
关键跳跃点:
- Lemma 4.1(Range Restriction):这是最吃功夫的引理。难点在于证明 sup_{η∈ℝ} 可限制在 [a, b] 而不损失最优性。作者利用 φ(1) = 0 和 φ* 的凸性,证明 η 的最优值必然落在 W 的值域内。这一跳跃使得后续的 Rademacher 复杂度分析可行。
- Lemma 4.2(OCE Contraction):将 φ*∘g 的 Rademacher 复杂度收缩到 g 的复杂度,代价是 Lipschitz 常数 L_φ。这是从风险中性到风险厌恶的关键技术桥梁。
-
Proposition 4.1(Kusuoka 对称化):对一般相干风险度量,通过 Kusuoka 表示将 ρ 分解为 AV@R_α 的加权组合,然后对每个 α 应用 Lemma 4.3,最后用 Assumption 4 控制 α_min。这一跳跃将特殊情形(AV@R)推广到一般情形。
-
技术技巧点名:
- 变分表示(Rockafellar-Uryasev 对偶):将非线性风险度量转化为线性期望。
- Lipschitz 收缩(contraction principle):处理 φ* 的非线性。
- Rademacher 复杂度:数据相关的复杂度度量,比 VC 维更精细。
- McDiarmid 不等式:集中不等式,用于从期望遗憾到高概率遗憾。
- Kusuoka 表示:将一般相干风险度量分解为 AV@R 的加权组合。
真实例子与应用¶
Card (1995) 大学邻近数据(n = 3,010):
- 数据:1976 年年轻男性队列,结果 Y 为对数小时工资,治疗 D 为大学完成(受教育年限 ≥ 16),工具变量 Z₀ 为 1966 年县内是否有四年制大学(nearc4),协变量 X 包括经验、经验平方、种族、SMSA 和南方居住指标、地区指标。
- 方法:估计倾向得分(probit),用局部工具变量回归估计 MTE(quartic in propensity score),计算每个个体的条件平均福利 W(π, Z) = μ₀(X) + π(Z)·Δ̄(X),然后在策略类 Π₀.₅ = {π: Eₙ[π(Z)] ≤ 0.5} 上分别最大化期望福利和 AV@R_β 福利。
- 结果:
- 风险中性最优策略:治疗 50% 的个体,按估计增益 Δ̄(X) 排序取前 50%。
- AV@R₀.₂₅ 最优策略:治疗区间下移至 [0.09, 0.49](在 SES 指数上),将治疗从高福利个体重新分配给低福利个体。
- 治疗率变化:黑人治疗率从 0.832(风险中性)升至 0.999(AV@R₀.₂₅),南方居民从 0.560 升至 0.788。
- 代价:期望福利从 6.888 降至 6.812(约 1.1%),但 AV@R₀.₂₅ 从 6.277 升至 6.448(约 2.7%)。
- 机制:Δ̄(X) 与 μ₀(X) 负相关(r = −0.325),即最需要治疗的人也是基线福利最低的人;风险厌恶放大了对这一负相关的利用。
- JTPA 数据(Appendix B,n = 9,872):风险中性与风险厌恶策略几乎一致(分歧率 8.0%,AV@R 增益 0.005),因为增益与基线福利相关性弱(r = −0.16)且增益幅度小(90% 分位 |Δ| = 0.43 vs 基线标准差 0.40)。这提供了"风险厌恶何时无影响"的反例。
模拟研究(Appendix D):验证了遗憾界的有限样本行为,确认了 L_φ 对收敛速率的预测作用(β=0.25 比 β=1 慢约 4 倍)。
🔎 结论是否比证明窄¶
- Theorem 2.1 的界 K₀ 是保守的:作者在 Remark 1 中给出 K₀ = 2B + M 的显式上界,但未讨论在什么条件下 K₀ 可以收紧。当 W(π, Z) 与 Y(π) 的分布差异主要来自可观测异质性时,K₀ 可能远小于 2B + M。作者未给出基于数据可检验的 K₀ 估计方法。
- 遗憾界未包含第一阶段估计误差:Theorem 4.1 假设 W(π, Z) 已知(oracle),但实际中 MTE 需要从数据中估计。作者在 Section 4 开头承认"treating the conditional welfare function W(f,·) as known",并将第一阶段估计误差留给未来工作。这意味着实际遗憾可能比定理给出的界更大。
- 策略类 Π 的假设未显式化:Theorem 4.1 的界依赖 Rₙ(F),但未讨论 Π 的具体结构(如 VC 维、覆盖数)如何影响 F 的复杂度。作者在 Remark 6 中给出 VC 维特例,但未给出一般策略类的复杂度传播条件。
- Assumption 4 的验证:Kusuoka 尾部控制假设(α_min > 0)在应用中如何验证?作者在 Appendix C 中仅对 mean-semideviation 给出了验证,未讨论一般相干风险度量。
- "风险厌恶导致再分配"的结论是数据依赖的:Card 数据中风险厌恶改变策略,但 JTPA 数据中不改变。作者正确地将其归因于增益-基线相关性,但未给出这一相关性的可检验条件。
四、开放问题¶
-
第一阶段估计误差的遗憾界:Theorem 4.1 假设 W(π, Z) 已知。将 MTE 的估计误差(如局部多项式回归的偏差-方差权衡)纳入遗憾界,需要什么样的条件?这是直接的技术延伸,扎根于 Section 4 开头的"treating the conditional welfare function W(f,·) as known"。
-
K₀ 的可识别收紧:Theorem 2.1 的界 K₀ 是否可以在额外假设(如单调性、有界条件方差)下收紧?能否构造 K₀ 的数据驱动估计?扎根于 Remark 1 的"conservative bound"。
-
动态/序贯治疗的推广:作者在结论中提及"Multi-valued, continuous, or dynamic treatments would require new identification and learning results"。对于动态治疗,风险度量的时间一致性(time-consistency)如何与 MTE 的序贯识别结合?扎根于结论段的"dynamic treatments"。
-
计算复杂度:当策略类 Π 为高维参数族时,sup_{η} 与 sup_{π} 的联合优化是否可高效求解?作者未讨论算法复杂度,扎根于 Algorithm 1 的网格搜索。
-
α_min 的估计:Assumption 4 要求 Kusuoka 表示中最小尾部权重 α_min > 0,但如何从数据中估计 α_min?这直接影响遗憾界的常数。扎根于 Appendix C 的 mean-semideviation 验证。
-
风险度量的选择:相干风险度量族内部的选择(AV@R vs 熵风险 vs mean-semideviation)如何影响策略?作者在 Card 数据上只报告了 AV@R,未比较不同风险度量的策略差异。扎根于表 2 的 L_φ 对比。
给研究者的提示:若要确认上述某条是否为真 gap,建议去读以下近期文献的 intro(约 5 篇):(1) Sasaki and Ura (2024) 的后续工作;(2) Athey and Wager (2021a) 的扩展(如 A/B 测试与策略学习);(3) 分布稳健优化在计量经济学中的最新应用(如 Duchi et al. 2021 的后续);(4) 风险敏感强化学习与因果推断的交叉;(5) 半参数效率理论在政策学习中的应用。若这些文献的 intro 都指向同一缺口,则大概率是共识性 gap;若互相打架,则可能是机会。
Maintained by 陈星宇 · Homepage · Source on GitHub