全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1039 40
2022-05-07
英文标题:
《Conditional Preference Orders and their Numerical Representations》
---
作者:
Samuel Drapeau and Asgar Jamneshan
---
最新提交年份:
2016
---
英文摘要:
  We provide an axiomatic system modeling conditional preference orders which is based on conditional set theory. Conditional numerical representations are introduced, and a conditional version of the theorems of Debreu on the existence of numerical representations is proved. The conditionally continuous representations follow from a conditional version of Debreu\'s Gap Lemma the proof of which relies on a conditional version of the axiom of choice, free of any measurable selection argument. We give a conditional version of the von Neumann and Morgenstern representation as well as automatic conditional continuity results, and illustrate them by examples.
---
中文摘要:
我们提供了一个基于条件集理论的公理化系统来建模条件偏好顺序。引入了条件数值表示,证明了Debreu关于数值表示存在性定理的条件形式。这些条件连续表示来自德布鲁的间隙引理的条件版本,其证明依赖于选择公理的条件版本,没有任何可测量的选择论证。我们给出了von Neumann和Morgenstern表示的条件形式,以及自动条件连续性结果,并用例子加以说明。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Economics        经济学
分类描述:q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学,包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-7 01:42:03
条件偏好序及其数值表示Samuel Drapaua,1,Asgar Jamneshanb,2 august 292018Abstracts我们提供了一个基于条件集理论的公理系统来建模条件偏好序。引入了条件数值表示,证明了Debreu关于数值表示存在性定理的条件形式。这些条件连续的表示来自于德布鲁的间隙引理的条件版本,它的极限依赖于选择公理的条件版本,没有任何可测量的选择论证。我们给出了von Neumann和Morgenstern表示的条件形式,以及自动条件连续性结果,并用例子加以说明。关键词:条件偏好、效用理论、缺口引理、冯·诺依曼和摩根斯坦作者INFOaSAIF/(CAFR)和数学系,上海交通大学,上海淮海路211号,中国上海200030bKonstanz大学,斯特拉大学10,78464Konstanz,Germanysdrapeau@saif.sjtu.edu.cnasgar.jamneshan@康斯坦茨大学。dePAPER INFOAMS分类:91B06JEL分类:C60,D811。引言在决策理论中,偏好排序的规范框架经典地要求完全信息。然而,正如奥曼[2]所指出的那样,有充分的理由质疑完备性:在效用理论的所有公理中,完备性公理可能是最值得怀疑的。[. . . ] 例如,一个人被要求做出的某些决定可能涉及高度假想的情况,而他在现实生活中永远不会面对这种情况。在这种情况下,他可能会觉得自己无法做出“诚实”的决定。其他决策问题可能非常复杂,太复杂,无法凭直觉“洞察”,而我们的个人可能更喜欢在这些问题上不做决定。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 01:42:06
在这种情况下强行做出决定是否“合理”?奥曼的评论得到了经验证据的支持,引发了对一般不完全偏好的解释、公理化和表征的深入研究,见[3,15,16,18,20,34,37]及其参考文献。这些作者认为,不完全性要么是由于现状(见Bewley[3]),要么是由于程序性决策(见Dubra和Ok[15]),数值表示是基于多种效用的。然而,奥曼的引用和与萨维奇的通信[38]揭示了依赖于状态的偏好的概念,表明决策背后缺乏信息是不完整性的自然来源。例如,考虑一个简单的情况,一个人必须在一个月后的周日去参观博物馆还是散步。她无法在这两种预期情况之间表达明确的偏好,因为这取决于对不确定因素的了解,如天气、随行人员的可用性等。这种基于信息的不完整性表明了一种偶然的完整性。例如,在“晴朗温暖的一天”活动中,她更喜欢散步。通过这种方式,一个复杂的决策问题,提供了充分的信息,导致了一个“诚实”的决策。目前的工作提出了一个框架,将或有决策及其量化的概念形式化。金融和经济学中的许多量化工具通过将预期结果映射到随机变量(例如,条件和动态货币风险度量[1,6,7,11]、条件预期效用和确定性等价物、动态评估指数[4,24]或递归效用[17,19])来引入条件维度。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 01:42:10
然而,很少有论文讨论这些条件量化工具背后的条件偏好公理化。在这个方向上,Luce和Krantz[31]的工作考虑并研究了与事件相关的偏好排序。Wakker[42]和Karni[27,28]进一步定义和扩展了他们的方法。Kreps和Porteus[29,30]以及Maccheroni等人[32]分别使用状态依赖来研究跨期偏好和动态偏好。值得注意的是斯基亚达斯的抽象方法[39,40]。他提供了一套公理,对随机变量的条件偏好进行建模,这些公理接受了公式u(x)=EQ[u(x)|a]的条件平均表示,其中a是表示信息的事件代数,Q是主观概率度量,ui是效用指数。与之前的工作一样,它的决策理论基础由一个完整的家族组成,即总的预序<a,每个事件一个∈ A、 以及一个一致的聚合性质,以获得条件表示。然而,决策者被假定隐含地考虑了大量完整的预订单。我们的公理化方法的不同之处在于,它考虑的是一个单一但可能不完整的优先顺序<,而不是一系列完整的优先顺序。即使一个人不能先验地决定任何两种预期结果或行为的x<y或y<x,也可能存在一个条件信息a,其中x比y更可取。在这种情况下,我们正式地写下x | a<y | a。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 01:42:13
偶然信息集被建模为事件代数A=(A,∩, ∪,C, Ohm) 状态空间的性质Ohm.为了描述偏好的条件性质,我们要求<与信息一致地交互,也就是说,o一致性:如果x | A<y | A和B A、 然后x | B<y |B;o稳定性:如果x | A<y | A和x | B<y | B,那么x | A∪ B<y|A∪ B、 o局部完整性:对于每两个行为x和y,都存在一个非空事件a,使得x | a<y | a或x | a<y | a。鉴于我们所针对的有条件方法,这些假设具有一定的规范吸引力。在前一个例子中,consistency表示,如果一个人喜欢在“晴朗”或“温暖”的时候散步,而不是参观博物馆,那么她更喜欢在“晴朗”的时候散步。稳定性告诉我们,如果她喜欢在“晴天”或“雨天”散步,那么在至少满足其中一个条件的任何一天,她都会去散步。与经典偏好相反,我们只假设局部完备性:对于任何两种情况,只要提供足够的信息(可能非常精确),她都能够满足决策。在我们的例子中,存在着一种不太可能,但仍然不平凡的巧合,即“阳光充足”、“湿度在15%到20%之间”和“风速在0到10公里/小时之间”,在这种情况下,她更喜欢步行去博物馆。与经典完备性不同,在五步二叉树4.294.967.296中,判定所需的信息是总预序族的基数<a。条件集理论[14]允许或有信息是任何完整的布尔代数。事实上,事件越小,这一事件发生在世界的哪个状态就越准确。最精确的事件是单身。在两幕之间,x和y取决于对(x,y)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 01:42:16
注意,如果偶然信息集简化为琐碎信息A={, Ohm}, 然后,正如预期的那样,条件偏好是一个经典的CompleteReference顺序。特别是,经典决策理论是条件决策理论的特例。注意,我们的方法,如[29,31,39,40,42]所述,认为一组外部给定的信息或事件是不完整决策的来源。而在[3,15]和相关的不完全偏好后续文献中,不完全性和由此产生的多值表示是关于不完全性本质的内生信息。然而,不完全性并不存在于事件代数中,因此与或有决策没有具体关系。我们的方法也不是先验动态的,因为我们给出了一个单一的可用信息代数来进行或有决策。我们不解决随着新信息的披露而逐步学习的问题,这会导致决策的更新。Kreps和Porteus[29]以及Dillenbergeret等人[12]和Piermont等人[35]对决策过程中的这种增量学习方法进行了研究。在这些文章中,代理会随着时间的推移而学习,并可能根据新信息以及她之前的选择来改变她的行为。然而,潜在的信息结构是外生的——要么是通过过滤或随机树的固定动态结构,要么是通过消费路径产生的过滤,甚至是通过之前的偏好顺序产生的过滤。在这些情况下,我们的方法可以通过考虑一系列条件优先顺序<、<、<T关于事件代数的递增序列 A. · · ·  在 · · · 每一个时间点的每一个。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群