样本风险溢价

该论文将策略的遗憾（regret）相对于知晓真实分布的预言机分解为三个组成部分：期望后样本遗憾（PS）、仅结果CVaR差距和样本风险溢价（SR）。

在期望损失准则下，样本风险溢价会消失；但在CVaR准则下，它可能成为主导因素。

对于尾部截断点附近具有连续密度的损失分布，即使两个组成部分以相同速率衰减，样本风险溢价与后样本遗憾的极限比值仍可能达到数千倍。

有限样本数值实验表明，在两种设定下，样本风险溢价约占总遗憾的74%至97%。

在金融、医疗、自动驾驶等对尾部风险敏感的领域，样本风险溢价应成为策略评估的常规指标。

论文的分解框架可用于诊断风险来源：若样本风险溢价占比过高，可能需要增加样本量或改进采样策略；若后样本遗憾主导，则需关注泛化能力。