utilidad

Funciones utilitarias para la optimización bayesiana.

Conceptos Clave:

• Muestras:

  Una variable tensorial de PyTensor (pt.TensorVariable) que representa muestras extraídas de las distribuciones posteriores de las salidas del modelo. Estas muestras capturan la incertidumbre en las predicciones del modelo y son esenciales para calcular utilidades esperadas y medidas de riesgo en la optimización bayesiana.

• 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.