MétaCan
Menu
Retour à la cohorte
Enregistrement W2795388653 · doi:10.1287/opre.2021.2212

Shortfall Risk Models When Information on Loss Function Is Incomplete

2022· article· en· W2795388653 sur OpenAlexaff
Erick Delage, Shaoyan Guo, Huifu Xu

Notice bibliographique

RevueOperations Research · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Portfolio Optimization
Établissements canadiensGroup for Research in Decision AnalysisHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésFunction (biology)Complete informationComputer scienceRisk analysis (engineering)MedicineEconomicsMathematical economics

Résumé

récupéré en direct d'OpenAlex

Utility-based shortfall risk measures effectively captures a decision maker's risk attitude on tail losses. In this paper, we consider a situation where the decision maker's risk attitude toward tail losses is ambiguous and introduce a robust version of shortfall risk, which mitigates the risk arising from such ambiguity. Specifically, we use some available partial information or subjective judgement to construct a set of plausible utility-based shortfall risk measures and define a so-called preference robust shortfall risk as through the worst risk that can be measured in this (ambiguity) set. We then apply the robust shortfall risk paradigm to optimal decision-making problems and demonstrate how the latter can be reformulated as tractable convex programs when the underlying exogenous uncertainty is discretely distributed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,276
Tête enseignante GPT0,447
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetRisk and Portfolio OptimizationTravaux en français237 207