CAPM-like formulae and good deal absence with ambiguous setting and coherent risk measure
Notice bibliographique
Résumé
Risk measures beyond the variance have shown theoretical advantages when addressing some classical problems of Financial Economics, at least if asymmetries and/or heavy tails are involved. Nevertheless, in portfolio selection they have provoked several caveats such as the existence of good deals in most of the arbitrage free pricing models. In other words, models such as Black and Scholes or Heston allow investors to build sequences of strategies whose expected return tends to in nite and whose risk remains bounded or tends to minus in nite. This paper studies whether this drawback still holds if the investor is facing the presence of multiple priors, as well as the properties of optimal portfolios in a good deal free ambiguous framework. With respect to the rst objective, we show that there are four possible results. If the investor uncertainty is too high he/she has no incentives to buy risky assets. As the uncertainty (set of priors) decreases the interest in risky securities increases. If her/his uncertainty becomes too low then two types of good deal may arise. Consequently, there is a very important di¤erence between the ambiguous and the non ambiguous setting. Under ambiguity the investor uncertainty may increase in such a manner that the model becomes good deal free and presents a market price of risk as close as possible to that re ected by the investor empirical evidence. Hence, ambiguity may help to overcome some meaningless ndings in asset pricing. With respect to our second objective, good deal free ambiguous models imply the existence of a benchmark generating a robust capital market line. The robust (worst-case) risk of every strategy may be divided into systemic and speci c, and no robust return is paid by the speci c robust risk. A couple of betas may be associated with every strategy, and extensions of the CAPM most important formulas will be proved.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».