全部版块 我的主页
论坛 经济学人 二区 外文文献专区
2773 55
2022-06-10
英文标题:
《A theory for combinations of risk measures》
---
作者:
Marcelo Brutti Righi
---
最新提交年份:
2020
---
英文摘要:
  We study combinations of risk measures under no restrictive assumption on the set of alternatives. We develop and discuss results regarding the preservation of properties and acceptance sets for the combinations of risk measures. One of the main results is the representation for resulting risk measures from the properties of both alternative functionals and combination functions. To that, we build on the development of a representation for arbitrary mixture of convex risk measures. In this case, we obtain a penalty that recalls the notion of inf-convolution under theoretical measure integration. As an application, we address the context of probability-based risk measurements for functionals on the set of distribution functions. We develop results related to this specific context. We also explore features of individual interest generated by our framework, such as the preservation of continuity properties, the representation of worst-case risk measures, stochastic dominance and elicitability. We also address model uncertainty measurement under our framework and propose a new class of measures for this task.
---
中文摘要:
我们研究了在非限制性假设条件下的风险度量组合。我们制定并讨论了有关财产保护和风险度量组合验收集的结果。主要结果之一是从替代函数和组合函数的性质来表示结果风险度量。为此,我们建立在凸风险度量的任意混合表示的基础上。在这种情况下,我们得到了一个惩罚,它在理论测度积分下唤起了inf卷积的概念。作为一个应用,我们讨论了分布函数集上泛函基于概率的风险度量。我们制定了与这一特定背景相关的结果。我们还探讨了我们的框架所产生的个人利益的特征,如连续性的保持、最坏情况风险度量的表示、随机优势和可诱导性。我们还讨论了在我们的框架下的模型不确定性度量,并为此任务提出了一类新的度量。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--
一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
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
2022-6-10 05:54:17
风险度量组合理论Marcelo Brutti Righi*苏尔马塞洛格兰德河联邦大学。righi@ufrgs.brAbstractWe在无限制性假设的情况下,研究备选方案集上的风险度量组合。我们发展和讨论了关于风险度量组合的性质和接受集的保留的结果。主要结果之一是从替代函数和组合函数的性质得到的风险度量的表示。为此,我们建立在c onvex ris k度量的任意混合表示的基础上。在本文中,我们得到了一个惩罚,即在理论测度积分下,inf-c进化不存在。作为一个应用,我们讨论了分布函数集上泛函基于概率的风险度量的上下文。我们开发了与此规范上下文相关的结果。我们还探索了我们的框架所产生的个人利益特征,如连续性的保持、最坏情况风险度量的表示、随机优势和合法性。我们还讨论了在我们的框架下的模型不确定性度量,并为此任务提出了一类新的度量。关键词:风险度量、不确定性、组合、表示、基于概率的泛函。1简介数学函数中的风险度量理论已成为主流,尤其是自Artzner等人(1999)的里程碑式论文以来。有关全面的评论,请参阅弗莱格和罗米施(2007)、德尔巴恩(2012)、鲁申多夫(2013)以及福尔默和希德(2016)的著作。尽管如此,对于要拥有的最佳理论属性集,仍然没有达成共识,对于最佳风险度量,更没有达成共识。参见Emmer et al.(2015),了解风险度量的比较。
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

2022-6-10 05:54:21
这种现象推动了新方法的提出,例如inRighi和Ceretta(2016)以及Righi et al.(2019)。在缺乏从一组备选方案中选择最佳风险度量的普遍性的情况下,on e可以考虑考虑多个候选人的联合,以从不同的品质中获益。*我们要感谢主编Ulrich Horst教授和匿名副主编兼评论员的建设性意见,这些意见对提高手册的技术质量非常有用。我们还要感谢王若渡教授和施维泽教授的评论,这有助于改进手稿。我们感谢FAPERGS(Rio Grande doSul State Research Council)项目编号17/2551-0000862-6和CNPq(巴西研究委员会)项目编号302369/2018-0和407556/2018-4的财政支持。然而,这种选择可能会导致多维甚至无限维的问题,这些问题带来的复杂性可能使风险度量的处理无法处理。例如,在一个投资组合优化问题中,为了考虑不同风险度量的各种特征,代理最终可能会得到非常复杂的多目标函数,甚至是大量的约束。这种情况将导致计算成本增加,甚至无法找到可行的解决方案。因此,另一种选择是考虑所有候选人的组合,而不是所有候选人的单独组合。在投资组合优化的背景下,我们将有一个具有更大可行性空间的单一约束或目标。考虑这种组合的缺点是,我们可能最终没有定义风险度量的主要特征。
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

2022-6-10 05:54:24
更准确地说,风险度量的公理化理论强烈依赖于一组与双重表示和接受集相关的财务和数学属性。因此,了解如何以一般方式保留这些属性对于保证组合的有用性至关重要。从这个意义上说,建立一个风险度量组合的理论体系至关重要。一般方法必须处理任意的候选人集,尤其是不可数的候选人集。当定义信用额度的参数依赖于实际额度的子集时,可能会出现这种情况,例如风险价值的显著水平或信贷风险的某种违约概率。主要挑战在于执行此类任务所需的一般性,因为我们无法依赖文献中出现的有限维空间的方法。例如,在处理一些不可数的候选集时,我们甚至无法考虑通常的求和,这对于求平均至关重要,必须用积分来代替。然而,在这种情况下,我们需要考虑可测量性问题,这可能会变得复杂。此外,集合操作可能不会保留拓扑属性,例如,闭集的u不可数不必是闭的。由于不存在规范泛函空间,因此,即使在有限空间中为组合函数选择合适的域,其本身也可能是一个复杂性的问题。另一个困难和复杂性的来源是组合可能采用任何函数形式,例如平均或基于上确界的最坏情况。事实上,可以考虑在候选风险度量集合上应用的任何函数。
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

2022-6-10 05:54:27
因此,要研究这种组合在属性、接受集、对偶表示以及其他特性中的影响并不简单。由于特定的组合函数更适合不同的上下文,因此进行一般处理非常有益。从这个意义上说,存在一种理论,以提供一种可靠和实用的方式来保持所需的资产,获得接受集或双重代表性风险度量的总体组合,可以帮助改善数学金融的其他领域。在此背景下,本文研究了ρ=f(ρI)形式的风险度量,其中ρI={ρI,I∈ 一} 是一组备选风险度量,f是一些组合函数。我们提出了一个框架,在此框架中,除了非空性之外,不对索引集I进行任何假设。通常,这种程序使用一组有限的候选对象,导致f的域是一些欧几里德空间。在我们的例子中,f的域是由I上创建的适当可测空间上的随机变量的s子集获得的。由此,我们的主要目标是建立关于属性的一般结果,开发对偶表示,并研究基于ρI和f在一般意义上的属性的此类组合风险度量的接受集。为此,我们公开了一些特殊情况的结果,这些特殊情况也具有特殊的重要性,例如最坏情况和风险度量的混合。有关于f、I和ρI的特殊情况的研究,如最坏情况inF¨ollmer和Schied(2002),Righi(2019)的货币和偏差度量之和,inAng等人的有限凸组合。
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

2022-6-10 05:54:31
(2018),Wang和Ziegel(2018)中基于情景的聚合,Jokhadze和Schmidt(2020)中基于非加性度量的模型风险加权。我们的主要贡献是不对备选风险度量集和我们考虑的组合函数的一般性施加限制。此外,这些文件都没有考虑到我们所考虑的所有特性。值得一提的是,Barrieu和El Karoui(2005)或Jouini et al.(2008)中众所周知的风险度量的inf卷积概念不适用于本文中的方法,因为即使在两个风险度量的最简单情况下,我们也不能将其写成f(ρ(X),ρ(X))=infY{ρ(X)的直接组合-Y)+ρ(X)},因为它不仅是X的函数。更准确地说,inf卷积取决于每个分配X+X=X。Righi(2020)的工作重点是inf卷积和任意风险度量集的最优风险分担。风险度量的经典理论是在代表世界信念的给定概率度量的假设下发展起来的。然而,我们经常不知道是否有正确的概率度量。然后,我们将我们的框架应用于特殊情况,其中我是一组概率度量,因为我们经常不知道是否有正确的度量,但我们有一组候选度量。我们考虑基于概率的风险度量的概念,这是一个由概率生成的分布集上的函数的风险度量集合。因为概率的选择可能会影响大量的风险值,我们希望有稳健的风险度量,即职能部门不会因公司能力度量的变化而影响其价值的相关变化。
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