Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization

Resumen Técnico: Aprendizaje de Conjuntos de Ambigüedad Predictiva para la Optimización Robusta Enfocada en la Decisión

1. Planteamiento del Problema

Los sistemas estándar de "predicción-luego-optimización" (predict-then-optimize) comprimen la incertidumbre en un pronóstico de punto único (por ejemplo, una media de retorno) y resuelven un problema de optimización descendente como si ese pronóstico fuera la verdad fundamental. Este enfoque es frágil; los pequeños errores de predicción pueden conducir a grandes pérdidas en la decisión, particularmente cuando el optimizador amplifica los errores a lo largo de las restricciones activas o direcciones de alta sensibilidad.

La Optimización Robusta Distribucional (DRO, por sus siglas en inglés) aborda esto optimizando contra la distribución peor en el caso dentro de un conjunto de ambigüedad. Sin embargo, la DRO de Wasserstein tradicional depende de conjuntos de ambigüedad diseñados manualmente donde el centro es una distribución empírica histórica fija y el radio es un escalar global ajustado mediante validación. Este enfoque estático suele estar desajustado con los entornos contextuales: un radio seguro durante períodos volátiles puede ser excesivamente conservador durante períodos estables, mientras que un radio ajustado para el rendimiento promedio puede fallar ante cambios de régimen. El problema central es cómo hacer que el conjunto de ambigüedad sea contextual y aprendible, adaptándose al estado específico del sistema para equilibrar la robustez y el rendimiento.

2. Metodología: Conjuntos de Ambigüedad Predictiva Aprendidos (LPAS)

El artículo propone los Conjuntos de Ambigüedad Predictiva Aprendidos (LPAS), un marco que une el pronóstico profundo probabilístico con la DRO de Wasserstein. En lugar de un centro y un radio fijos, el LPAS emplea un modelo contextual profundo que devuelve tres componentes para un contexto dado $z_t$:

1. Una Distribución de Escenarios Nominales Finita: $\hat{P}_\theta(\cdot | z_t) = \sum_{i=1}^N p_{\theta,i}(z_t) \delta_{\hat{\xi}_{\theta,i}(z_t)}$, que representa un conjunto discreto de escenarios predichos.
2. Un Radio Dependiente del Estado: $\rho_\phi(z_t)$, un escalar no negativo que define el tamaño de la bola de Wasserstein.
3. (Opcional) Una Métrica de Suelo Anisotrópica: $c_\psi(\xi, \xi'; z_t)$, aunque los experimentos utilizan una métrica euclidiana fija.

Estos resultados definen un conjunto de ambigüedad contextual $\mathcal{P}_{\theta,\phi}(z_t) = \{ Q : W_c(Q, \hat{P}_\theta(\cdot | z_t)) \leq \rho_\phi(z_t) \}$. La decisión descendente $x_t$ se calcula minimizando la pérdida esperada en el peor de los casos sobre este conjunto.

Objetivo de Entrenamiento y Algoritmo
El modelo se entrena de extremo a extremo utilizando una función de objetivo compuesta que equilibra cuatro términos:

• Pérdida de Decisión ($L_{dec}$): La pérdida realizada de la decisión robusta descendente.
• Pérdida de Predicción ($L_{pred}$): Entrena la distribución de escenarios nominales (por ejemplo, mediante la verosimilitud negativa del logaritmo o reconstrucción de escenarios).
• Pérdida de Calibración ($L_{cal}$): Utiliza la pérdida pinball para asegurar que el radio aproxime un cuantil alto condicional de los errores de pronóstico, evitando que el radio colapse.
• Regularización de Tamaño y Estabilidad ($L_{size}, L_{stab}$): Evita la inflación del radio y asegura transiciones suaves entre pasos de tiempo.

El entrenamiento sigue un algoritmo por etapas:

1. Preentrenar el generador de escenarios ($\hat{P}_\theta$) usando la pérdida de predicción.
2. Entrenar la red del radio ($\rho_\phi$) usando la calibración y la regularización de tamaño en un conjunto de calibración.
3. Ajustar finamente (fine-tuning) todo el sistema (escenarios, radio y capa de decisión) utilizando el objetivo completo enfocado en la decisión.

Para el caso específico de la optimización de carteras con pérdida afín y costos euclidianos, el artículo deriva una forma dual finita tratable. El problema de cartera robusta se convierte en una maximización del retorno esperado menos un término de penalización proporcional al radio aprendido y la norma de la cartera: $\max_w \hat{\mu}^\top w - \rho(z_t)\|w\|_2 - \text{regularización}$.

3. Contribuciones Clave

El artículo realiza cuatro contribuciones principales:

1. Marco LPAS: Introduce un puente contextual entre el pronóstico profundo probabilístico y la DRO de Wasserstein, donde el conjunto de ambigüedad (centro y radio) es aprendido en lugar de fijo.
2. Objetivo de Aprendizaje del Radio: Desarrolla una función de pérdida de múltiples componentes que integra la precisión de la predicción, la calibración estadística (estilo cuantil), la regularización de tamaño y la calidad de la decisión realizada.
3. Implementación Tratable: Proporciona una forma dual finita para la capa DRO y un algoritmo de entrenamiento por etapas que permite la toma de decisiones robustas diferenciables.
4. Validación Empírica: Demuestra, mediante un estudio de optimización de carteras, que los radios de ambigüedad adaptativos pueden superar a los baselines de no robustez y de DRO de radio histórico, mientras igualan gran parte del rendimiento de un modelo fuerte de DRO de radio fijo.

4. Resultados Experimentales

El método fue evaluado en una tarea de optimización de carteras diaria utilizando 20 componentes del S&P 500 desde enero de 2018 hasta junio de 2026. El modelo LPAS se comparó contra Equal Weight (EW), Predict-then-Optimize (P2O), Historical Wasserstein DRO (Hist-WDRO) y un Deep Predictive Fixed-Radius DRO (Fixed-DRO).

Hallazgos Clave:

• Rendimiento: LPAS superó sustancialmente a EW, P2O y Hist-WDRO.
• Comparación con Fixed-DRO: LPAS logró un retorno anualizado del 26.28% y un ratio de Sharpe de 1.30, ligeramente inferior al baseline de Fixed-DRO (retorno de 27.48%, Sharpe de 1.34).
• Eficiencia y Riesgo: A pesar de la ligera caída en las métricas promedio, LPAS utilizó un radio promedio sustancialmente menor (24.35 frente a 35.44) y logró mejores métricas de pérdida en el peor mes y de CVaR95.
• Adaptabilidad: El radio aprendido varió con éxito según las condiciones del mercado, aumentando durante los regímenes de alta volatilidad y disminuyendo durante los períodos estables.
• Ablación: Eliminar la pérdida de calibración causó el colapso del radio, provocando retornos negativos y altas caídas (drawdowns), confirmando que la calibración es esencial para la estabilidad del método.

5. Significación y Reivindicaciones

El artículo afirma que el enfoque propuesto demuestra que los radios de ambigüedad aprendidos pueden recuperar la mayor parte del rendimiento de un DRO de radio fijo fuerte, reduciendo al mismo tiempo el conservadurismo innecesario.

La hipótesis central respaldada por los resultados es que en la toma de decisiones robustas, el objeto óptimo a aprender no es simplemente una predicción, sino también cuánto debe desconfiar el optimizador de esa predicción basándose en el estado actual. Al hacer que el conjunto de ambigüedad sea contextual, el LPAS logra "adaptabilidad de régimen", proporcionando una protección más fuerte durante las caídas y los períodos de alta incertidencia sin sacrificar el rendimiento en mercados más tranquilos. Los autores señalan que, si bien el LPAS es competitivo con el DRO de radio fijo, ofrece un uso más eficiente del presupuesto de robustez, evitando el conservadurismo global inherente a los enfoques de radio fijo.

Limitaciones Reconocidas:
Los autores señalan modestamente que los experimentos se limitan a un único corte rodante (rolling split) en un universo de 20 activos, que la métrica anisotrópica aprendida no fue evaluada, y que la cobertura empírica está ligeramente por debajo del objetivo nominal tras el ajuste consciente de la decisión (lo que sugiere la necesidad de una post-calibración de tipo conformal en aplicaciones de control de riesgo estricto).