Teaching1 Economics Students about Different Models for Dealing with Uncertainty and Risk Besides the Standard Capital Asset Pricing Model (CAPM) and the Subjective Expected Utility (SEU) Model
Notice bibliographique
Résumé
There has been a great deal of uncertainty (doubt) and fear about how the COVID-19 corona virus would impact the world's economies in the future.This fear of the future would explain the manner in which individuals and countries have responded to the outbreaks by buying gold and/or other "hard" assets, which decision makers have great confidence in.In times of uncertainty (doubt), holding gold is a reliable and dependable way of combatting the likely impact of uncertain events on future events.The COVID-19 virus has generated a great deal of fear regarding the economic effects of the virus on the economy.Holding hard assets would allow the holder of such assets to feel safer and more secure about their ability to successfully deal with and/or wait out such events .We argue that undergraduate students would be better prepared for decision making in the real world after they graduate if the standard approach taken in microeconomic courses based on risk assessment alone was supplemented by alternative treatments that do not model decision making as taking place only under the assumption of additivity and linearity as is made in CAPM and SEU.It is important to teach students how to modify their probabilities to transform them into decision weights which (a) consider uncertainty, but (b) simplify to probabilities if the uncertainty should diminish substantially in the future.This is accomplished by using Tversky -Kahneman's Cumulative Prospect Theory and Keynes's Conventional Coefficient model from the A Treatise on Probability.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».