MétaCan
Menu
Retour à la cohorte
Enregistrement W2999984739 · doi:10.1017/asb.2019.39

BILATERAL RISK SHARING WITH HETEROGENEOUS BELIEFS AND EXPOSURE CONSTRAINTS

2020· article· en· W2999984739 sur OpenAlexafffund
Tim J. Boonen, Mario Ghossoub

Notice bibliographique

RevueAstin Bulletin · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Portfolio Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConstraint (computer-aided design)Monotone polygonRank (graph theory)Expected utility hypothesisDistortion (music)Monotonic functionFunction (biology)Mathematical optimizationMathematical economicsEconometricsComputer scienceEconomicsMathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper studies bilateral risk sharing under no aggregate uncertainty, where one agent has Expected-Utility preferences and the other agent has Rank-dependent utility preferences with a general probability distortion function. We impose exogenous constraints on the risk exposure for both agents, and we allow for any type or level of belief heterogeneity. We show that Pareto-optimal risk-sharing contracts can be obtained via a constrained utility maximization under a participation constraint of the other agent. This allows us to give an explicit characterization of optimal risk-sharing contracts. In particular, we show that an optimal risk-sharing contract contains allocations that are monotone functions of the likelihood ratio, where the latter is obtained from Lebesgue’s Decomposition Theorem.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,278
Écart entre enseignants0,234 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAstin BulletinMême sujetRisk and Portfolio OptimizationTravaux en français237 207