加载中...
本文研究在异质扭曲风险度量(distortion risk measures)下的风险分配问题,重点刻画了无约束与对立-单调(counter-monotonic)情形的inf-convolution,并给出对风险寻求(agent risk-seeking)群体的显式解:当各扭曲函数为连续凸函数且在受限空间(X∈X^⊥, χ=L^+或L^-)时,inf-convolution可表示为一个由扭曲函数的(sup/inf)卷积得到的代表性风险度量ρ_g(X) .
| 结论项 | 要点 |
|---|---|
| 无约束最小性 | 无约束inf-convolution总是在三者中最小,因为允许的分配集合最大 |
| 风险厌恶情形 | 若所有h_i均为凹(risk-averse),则三类inf-convolution常退化为相同值,且最不厌恶者可承担全部风险(Corollary 1) |
| 风险寻求情形 | 若所有h_i为凸且连续,则对立-单调与无约束inf-convolution在χ=L^+或L^-上等于ρ_g(X)(Theorem 3),代表性函数g为h_i的(inf-/sup-)卷积 |
| Distribution | Sign | χ | Unconstrained (示例) | Counter-monotonic (示例) |
|---|---|---|---|---|
| Uniform(0,1) | Y | L+ | 0.3692 | 0.2074 |
| Uniform(0,1) | -Y | L- | -0.7667 | -1.0435 |
| Pareto(3,2) | Y | L+ | 2.7291 | 1.3828 |
| Pareto(3,2) | -Y | L- | -9.4262 | -11.0881 |
| logN(0,1) | Y | L+ | 1.0825 | 0.5849 |
| logN(0,1) | -Y | L- | -5.5828 | -6.4773 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与数值/范例解读(重点)
估值 / 方法学解析(对 inf‑convolution 的解释与关键假设)
风险因素评估与方法学限制(批判性视角与细微差别)
结论性综合(要点回顾)
2412.00655.pdf