INF-Convolution of Risk Measures on Rearrangement Invariant Spaces
Notice bibliographique
Résumé
The problem of optimal capital and risk allocation among economic agents, has played a predominant role in the respective academic and industrial research areas for decades. Typically as risk occurs in face of randomness the risks which are to be measured are identified with real-valued random variables on some probability space (Ω, F, P). Consider a model space X , and n economic agents with initial endowments X1, · · · , Xn ∈ X who assess the riskiness of their positions by means of law-invariant convex risk measures ρi : X → (−∞,∞]. In order to minimize total and individual risk, the agents redistribute the aggregate endowment X = X1 + · · · + Xn among themselves. An optimal capital and risk allocation Y1, · · · , Yn satisfies Y1 + · · · + Yn = X and ρ1(Y1) + · · · + ρ(Yn) = inf nXn i=1 ρi(Xi) : Xi ∈ X , i = 1, . . . , n, and Xn i=1 Xi = X o , (0.1) where n i=1ρi(X) = inf nPn i=1 ρi(Xi) : Xi ∈ X , i = 1, . . . , n, and Pn i=1 Xi = X o is the inf-convolution of ρ1, ..., ρn. In 2008, Filipovi´c and Svindland proved that if X is an L p (P) for some 1 ≤ p ≤ ∞ and ρi satisfy a suitable continuity condition (i.e. Fatou property), then Problem (0.1) always admits a solution. To reflect the fact of randomness of risk, we should consider the model space X chosen for risk evaluations to be as general as possible. The main contribution of this thesis is Theorem 4.10 has been published in [9]. It extends Filipovi´c and Svindland’s result from L p spaces to general rearrangement invariant (r.i.) spaces.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».