摘要翻译：
针对模型参数不确定的均值-方差投资组合问题，将经典的绝对鲁棒优化方法与基于最大遗憾函数的相对鲁棒优化方法进行了比较。虽然后者的问题一般是NP难的，但我们证明了在资产管理中具有中心意义的几种情况下存在可处理的内部和外部近似。
---
英文标题：
《Relative Robust Portfolio Optimization》
---
作者：
Raphael Hauser, Vijay Krishnamurthy and Reha T\"ut\"unc\"u
---
最新提交年份：
2013
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Portfolio Management        项目组合管理
分类描述：Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
一级分类：Mathematics        数学
二级分类：Optimization and Control        优化与控制
分类描述：Operations research, linear programming, control theory, systems theory, optimal control, game theory
运筹学，线性规划，控制论，系统论，最优控制，博弈论
--
一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
英文摘要：
  Considering mean-variance portfolio problems with uncertain model parameters, we contrast the classical absolute robust optimization approach with the relative robust approach based on a maximum regret function. Although the latter problems are NP-hard in general, we show that tractable inner and outer approximations exist in several cases that are of central interest in asset management.
---
PDF链接：
https://arxiv.org/pdf/1305.0144