utilidad

Funciones utilitarias para la optimización bayesiana.

Conceptos Clave:

• Muestras:

  A PyTensor tensor variable (XTensorVariable) representing samples drawn from the posterior distributions of the model outputs. These samples capture the uncertainty in the model predictions and are essential for computing expected utilities and risk measures in Bayesian optimization.

• Presupuestos:

  Una variable tensorial de PyTensor que representa un conjunto de presupuestos monetarios asignados a diferentes activos, inversiones o canales. Cada elemento corresponde al presupuesto para una opción específica en el proceso de optimización.

Funciones

puntuación_de_riesgo_ajustado([...])	Calcular la puntuación de Valor en Riesgo Ajustado (AVaR).
average_response(muestras, presupuestos)	Calcule la respuesta promedio de la distribución predictiva posterior.
conditional_value_at_risk([nivel_de_confianza])	Calcule el Valor en Riesgo Condicional (CVaR) a un nivel de confianza especificado.
diversification_ratio(muestras, presupuestos)	Calcule el Ratio de Diversificación de una cartera para evaluar la distribución del riesgo.
mean_tightness_score([alpha, nivel_de_confianza])	Calcule el Puntaje Medio de Ajuste (MTS).
portfolio_entropy(muestras, presupuestos)	Calcule la entropía de los pesos de los activos de una cartera para evaluar la diversificación.
raroc([tasa_libre_de_riesgo])	Calcule el Retorno sobre el Capital Ajustado por Riesgo (RAROC).
sharpe_ratio([tasa_libre_de_riesgo])	Calcule el Ratio de Sharpe.
tail_distance([nivel_de_confianza])	Calcule la distancia absoluta entre la media y los cuantiles.
value_at_risk([nivel_de_confianza])	Calcule el Valor en Riesgo (VaR) a un nivel de confianza especificado.