Teoria preferencji i jej alternatywy

Podobne dokumenty
Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta

Optymalne portfele inwestycyjne

Prawdopodobieństwo i statystyka

1 Funkcja użyteczności

Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky

Prawdopodobieństwo i statystyka

Ubezpieczenia majątkowe

Statystyka i eksploracja danych

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Modelowanie rynków finansowych

Teoria popytu. Popyt indywidualny konsumenta

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Metody systemowe i decyzyjne w informatyce

9 Funkcje Użyteczności

Matematyka ubezpieczeń majątkowych r.

Iteracyjność składek ubezpieczeniowych w ujęciu teorii skumulowanej perspektywy i teorii nieokreśloności 1

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych.

Inne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak

Rachunek Różniczkowy

Metody probabilistyczne

Matematyka ubezpieczeń majątkowych r.

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Wykład 2 Zmienne losowe i ich rozkłady

Biostatystyka, # 3 /Weterynaria I/

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Prawdopodobieństwo i statystyka

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

Rozkłady prawdopodobieństwa

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Notatki z Analizy Matematycznej 3. Jacek M. Jędrzejewski

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

Prawdopodobieństwo i statystyka

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Matematyka ubezpieczeń majątkowych r.

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14

Pochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji.

Wycena opcji rzeczywistych zgodnie z teorią perspektywy

Rozpoznawanie obrazów

Matematyka ubezpieczeń majątkowych r.

Prawa wielkich liczb, centralne twierdzenia graniczne

Rachunek Prawdopodobieństwa i Statystyka

4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

Teoria oczekiwanej użyteczności

Statystyka matematyczna

1 Gaussowskie zmienne losowe

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Wykład 3 Równania rózniczkowe cd

Gry o sumie niezerowej

Statystyka. Magdalena Jakubek. kwiecień 2017

Matematyka ubezpieczeń majątkowych r.

Wzór Maclaurina. Jeśli we wzorze Taylora przyjmiemy x 0 = 0 oraz h = x, to otrzymujemy tzw. wzór Maclaurina: f (x) = x k + f (n) (θx) x n.

Metody systemowe i decyzyjne w informatyce

Wykład 3 Jednowymiarowe zmienne losowe

Matematyka i Statystyka w Finansach. Rachunek Różniczkowy

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej:

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa- wykład 6

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Prawdopodobieństwo i statystyka

Metody systemowe i decyzyjne w informatyce

Rozkłady prawdopodobieństwa zmiennych losowych

Pochodne funkcji wraz z zastosowaniami - teoria

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

1 Równania różniczkowe zwyczajne

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki nieoznaczone

POMIAR RYZYKA FINANSOWEGO W WARUNKACH NIEPEWNOŚCI. Wprowadzenie

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

Estymatory regresji rangowej oparte na metodzie LASSO

Zarządzanie ryzykiem finansowym

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Postawy wobec ryzyka

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Teoria perspektywy. Michał Krawczyk. Wydział Nauk Ekonomicznych UW

5 Równania różniczkowe zwyczajne rzędu drugiego

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zadania z Rachunku Prawdopodobieństwa III - 1

Statystyka, Ekonometria

1 Relacje i odwzorowania

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Wartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych

Transkrypt:

Dariusz Zawisza Instytut Matematyki UJ 10 maj 2012

Racjonalność Racjonalny decydent: rzetelnie pozyskuje informacje i właściwie je interpretuje - decydent zna możliwe konsekwencje swoich decyzji, na podstawie dostępnych informacji porządkuje projekty, działania i inwestycje w celu maksymalizacji własnych korzyści. jest wolny od obciążeń emocjonalnych i norm etycznych.

Teoria oczekiwanej użyteczności Zastosowania Teoria dualna i jej zastosowania Pozostałe teorie wyboru

Oznaczenia (Ω, F, P) - przestrzeń probablistyczna, X - zbiór zmiennych losowych przyjmujących wartości w odcinku [0, 1] (zmienne opisujące wyniki różnych loterii lub zyski z inwestycji), S X (z) := P(X > z) - funkcja przeżycia, - relacja preferencji określona na zbiorze X porządkująca losowe korzyści z różnych inwestycji.

Aksjomaty Morgensterna i von Neumanna (1944)

Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X.

Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i.

Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z.

Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z. EU4 Monotoniczność: jeśli S X S Y, to X Y.

Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z. EU4 Monotoniczność: jeśli S X S Y, to X Y. EU5 Niezależność: jeśli α [0, 1] i Z X, to X Y = αs X + (1 α)s Z αs Y + (1 α)s Z.

Twierdzenie o reprezentacji Twierdzenie Aksjomaty EU1 - EU5 są spełnione wtedy i tylko wtedy gdy istnieje funkcja u ciągła i niemalejąca na [0,1] taka, że X Y Eu(X ) Eu(Y ).

Funkcja u powinna być funkcją wklęsłą (malejące przyrosty posiadają interpretację ekonomiczną).

Dla decydenta z wklęsłą funkcją użyteczności Eu(X ) u(ex ).

Dla decydenta z wklęsłą funkcją użyteczności Eu(X ) u(ex ). Powiemy, że takiego decydenta cechuje awersja do ryzyka.

Funkcja użyteczności przykłady Funkcja HARA funkcja CARA u(x) = funkcja kwadratowa { x γ γ, dla γ 0, γ < 1, ln x, dla γ = 0. u(x) = 1 e γx, γ > 0. u(x) = ax 1 2 bx 2, a, b > 0.

Wybór najlepszej strategii finansowej r s - stopa zwrotu z pewnej akcji (zmienna losowa), w - procentowa wartość kapitału zainwestowanego w akcje, r - stopa procentowa na lokacie, r w := wr s + (1 w)r stopa zwtotu z całego portfela (zmienna losowa),

Wybór najlepszej strategii finansowej r s - stopa zwrotu z pewnej akcji (zmienna losowa), w - procentowa wartość kapitału zainwestowanego w akcje, r - stopa procentowa na lokacie, r w := wr s + (1 w)r stopa zwtotu z całego portfela (zmienna losowa), Ile powinno wynosić w?

Optymalna strategia c. d. Odpowiedź: w arg max Eu(r w ).

Optymalna strategia c. d. Odpowiedź: w arg max Eu(r w ). Warunek konieczny istnienia maksimum: E[(r s r)u (r w )] = 0.

Model Markowitza H. Markowitz [1952](Nagroda Nobla w 1990 ) zaproponował optymalizację portfela za pomocą maksymalizacji funkcji L(w) := Er w θ 2 Var(r w ), θ > 0 - parametr awersji do ryzyka.

Równoważnik pewności Definicja Równoważnikiem pewności nazywamy taką wielkość zysku, jaką można uzyskać bez ryzyka, a której użyteczność jest równa oczekiwanej użyteczności X. Innymi słowy równoważnik pewności C X zmiennej losowej X spełnia warunek u(c X ) = Eu(X ). Korzystając z rozwinięcia Taylora Eu(X ) u(ex ) + 1 2 u (EX )Var(X ), Eu(X ) u(c X ) u(ex ) + u (EX )(C X EX ).

Stąd C x EX + 1 2 u (EX ) u Var(X ). (EX )

Stąd C x EX + 1 2 u (EX ) u Var(X ). (EX ) Definicja Niech u będzie dwukrotnie różniczkowalną funkcją użyteczności. Wtedy α(x) := u (x) u (x) nazywana jest współczynnikiem bezwzględnej awersji do ryzyka Arrowa-Pratta.

Składka ubezpieczeniowa w - majątek ubezpieczyciela, X - strata spowodowana wypłatą ubezpieczenia, H - składka ubezpieczeniowa, Zakład ubezpieczeń powinien ustalić składkę H tak, aby u(w) Eu(w X + H). Minimalny poziom składki powinien spełniać równanie u(w) = Eu(w X + H). czyli i w E(w X + H) EX H.

Krytyka Nie można aksjomatyzować zachowań: ludzie pod wpływem stresu i strachu mogą podejmować decyzje inne od racjonalnych. H. Simon (Nagroda Nobla 1978) zwraca uwagę, że napotykając różnorodne ograniczenia czasowe i technologiczne ludzie nie są w stanie uzyskać i przetworzyć wszystkich informacji istotnych dla danego problemu. Krytyka aksjomatów (najmocniej aksjomatu niezależności): eksperymenty socjologiczne i psychologiczne nie potwierdziły zachowań zgodnych z teorią oczekiwanej użyteczności (paradoks Allaisa, paradoks Ellsberga)

Dual theory of choice Yaari [1987] zmienił aksjomat niezależności otrzymując reprezentację liczbową relacji preferencji postaci. X Y 1 0 g ( P(X > x) ) dx 1 0 g ( P(Y > x) ) dx.

Całka Choqueta Centralne miejsce w powyższej reprezentacji zajmuje całka + 0 g ( P(X > x) ) dx.

Całka Choqueta Centralne miejsce w powyższej reprezentacji zajmuje całka Jeśli g(x) = x, to + 0 + g ( P(X > x) ) dx = 0 g ( P(X > x) ) dx. + 0 P(X > x)dx = EX.

Całka Choqueta dla zmiennych dyskretnych Zmienna X przyjmuje wartości w zbiorze dyskretnym {x 0, x 1,..., x n }. 0 = x 0 x 1 x 2... x n. P(X = x i ) = p i, s(x i ) := P(x > x i ) = n k=i+1 p k, s(x n ) = 0, s(x k 1 ) s(x k ) = p k, g(0) = 0, g(1) = 1 + 0 n 1 g(p(x > x))dx = g ( s(x k ) ) (x k+1 x k ) = k=0 n [ ( x k g s(xk 1 ) ) g ( s(x k ) )]. k=1

Zdeformowane miary ryzyka-definicja X - zmienna losowa reprezentująca stratę, lub płatności, które powinny zostać dokonane. Definicja Zdeformowaną miarą ryzyka (distortion risk measure) wyznaczoną przez funkcję rosnącą g (g(0) = 0, g(1) = 1), nazywamy funkcjonał ρ g (X ) = 0 [g(p(x > x)) 1]dx + + 0 g(p(x > x))dx.

Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ).

Własności Monotoniczność Dodatnia jednorodność Jeśli X Y, to ρ g (X ) ρ g (Y ). ρ g (λx ) = λρ g (X ), dla λ > 0.

Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ). Dodatnia jednorodność ρ g (λx ) = λρ g (X ), dla λ > 0. Niezmienniczość względem przesunięcia ρ g (X c) = ρ g (X ) c, dla c R.

Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ). Dodatnia jednorodność ρ g (λx ) = λρ g (X ), dla λ > 0. Niezmienniczość względem przesunięcia ρ g (X c) = ρ g (X ) c, dla c R. Subaddytywność (dla wklęsłej funkcji g) ρ g (X + Y ) ρ g (X ) + ρ g (Y ).

Przykłady VaR (Value at Risk) (dla rozkładów ciągłych) VaR α (X ) = sup{x P(X > x) α} = ρ gα (X ), { 0, jeśli 0 x < α, g α (x) = 1, jeśli α x 1.

Przykłady VaR (Value at Risk) (dla rozkładów ciągłych) VaR α (X ) = sup{x P(X > x) α} = ρ gα (X ), { 0, jeśli 0 x < α, g α (x) = 1, jeśli α x 1. CVaR (Conditional Value at Risk) (dla rozkładów ciągłych) CVaR α (X ) = E(X X > VaR α (X )), ( ) x g α (x) = min α, 1.

Przykłady c. d.

Przykłady c. d. Potęgowa funkcja deformująca g α (x) = x α, 0 < α < 1.

Przykłady c. d. Potęgowa funkcja deformująca g α (x) = x α, 0 < α < 1. Deformująca funkcja Giniego g α (x) = (1 + α)x αx 2, 0 < α < 1.

Przykłady c. d. Potęgowa funkcja deformująca Deformująca funkcja Giniego Deformacja Wanga g α (x) = x α, 0 < α < 1. g α (x) = (1 + α)x αx 2, 0 < α < 1. g W α (x) = Φ[Φ 1 (x) + α], gdzie Φ jest dystrybuantą standardowego rozkładu normalnego.

Rank dependent expected utility theory Preferencje wyznaczone za pomocą funkcjonału X + 0 g [ P ( u(x ) > x )] dx.

Rank dependent expected utility theory Preferencje wyznaczone za pomocą funkcjonału X + 0 g [ P ( u(x ) > x )] dx. Dla zmiennych przyjmujących wartości dyskretne + 0 g [ P ( u(x ) > x )] dx = n u(x k ) [ g ( s(x k 1 ) ) g ( s(x k ) )]. k=1

Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że

Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc.

Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc. Funkcja użyteczności (tu nazwana funkcją oceny) jest wklęsła dla prognoz pozytywnych i wypukła dla prognoz negatywnych.

Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc. Funkcja użyteczności (tu nazwana funkcją oceny) jest wklęsła dla prognoz pozytywnych i wypukła dla prognoz negatywnych. Ludzie bardzo rzadkie zdarzenia traktują jako niemożliwe a niektóre zdarzenia uznane jako wysoce prawdopodobne traktują jak pewne.

Teoria perspektyw c. d. Kierując się przedstawionymi przesłankami ustalono, że preferencje powinny być oparte na funkcjonale X = V + [(X L) + ] V [(X L) ], gdzie V + (X ) = V (X ) = + 0 + 0 g + [ P ( u+ (X ) > x )] dx, g [ P ( u (X ) > x )] dx, u +, u są wklęsłymi i rosnącymi funkcjami na R +, g + wklęsła na [0, 1], g + (0) = 0, g + (1) = 1, g + (p) p, g wklęsła na [0, 1], g (0) = 0, g (1) = 1.

Maxmin choice Q - zbiór prawdopodobieństw wyznaczających zakres błędu popełnionego przy konstrukcji modelu. Gilboa i Schmeidler [1989] zaproponowali relację opartą o kryterium najgorszego możliwego scenariusza X Y inf Q Q EQ u(x ) inf Q Q EQ u(y ), gdzie u jest funkcją użyteczności.

Funkcja kary Macheroni et al. [2006] zaproponowali aksjomatykę dla relacji X Y inf Q Q EQ[ u(x ) α(q P) ] inf Q Q EQ[ u(y ) α(q P) ], gdzie α(q P) określa odległość dwóch prawdopodobieństw.

Literatura I Gilboa I, Schmeidler D. Maxmin expected utility with non-unique prior. J Math Econ 18 (1989), 141 153 Kahneman, D. and Tversky, A., (1979): Prospect theory: an analysis of decision under risk, Econometrica, 47, 263-291. Maccheroni,Fabio; Marinacci, Massimo; Rustchini, Aldo Ambiguity aversion, Robustness, and Variational Representation of Preferences Econometrica, Vol. 74, No. 6 ( 2006), 1447-1498 Markowitz H. (1952) Portfolio selection. J Finance 7: 77 91

Literatura II von Neumann, John; Morgenstern, Oskar Theory of Games and Economic Behavior. Princeton University Press, Princeton, New Jersey, 1944 Yaari, Menahem E. The dual theory of choice under risk. Econometrica 55 (1987), no. 1, 95 115.

Dziękuję za uwagę.