MétaCan
Menu
Retour à la cohorte
Enregistrement W3122454094 · doi:10.48550/arxiv.1701.05967

Fatou Property, representations, and extensions of law-invariant risk\n measures on general Orlicz spaces

2017· preprint· en· W3122454094 sur OpenAlexaff
Niushan Gao, Denny H. Leung, Cosimo Munari, Foivos Xanthos

Notice bibliographique

RevuearXiv (Cornell University) · 2017
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueRisk and Portfolio Optimization
Établissements canadiensToronto Metropolitan UniversityUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésMathematicsInvariant (physics)Bounded functionNorm (philosophy)Pure mathematicsRegular polygonProperty (philosophy)Space (punctuation)Mathematical analysisLawGeometry

Résumé

récupéré en direct d'OpenAlex

We provide a variety of results for (quasi)convex, law-invariant functionals\ndefined on a general Orlicz space, which extend well-known results in the\nsetting of bounded random variables. First, we show that Delbaen's\nrepresentation of convex functionals with the Fatou property, which fails in a\ngeneral Orlicz space, can be always achieved under the assumption of\nlaw-invariance. Second, we identify the range of Orlicz spaces where the\ncharacterization of the Fatou property in terms of norm lower semicontinuity by\nJouini, Schachermayer and Touzi continues to hold. Third, we extend Kusuoka's\nrepresentation to a general Orlicz space. Finally, we prove a version of the\nextension result by Filipovi\\'{c} and Svindland by replacing norm lower\nsemicontinuity with the (generally non-equivalent) Fatou property. Our results\nhave natural applications to the theory of risk measures.\n

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,261
Score d'incertitude au seuil0,861

Scores Codex et Gemma par catégorie

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

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 Opus0,263
Tête enseignante GPT0,297
Écart entre enseignants0,034 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetRisk and Portfolio OptimizationTravaux en français237 207