不确定风险状态下的投资.docVIP

PAGE PAGE 11 第九讲 不确定性条件下的选择 一些公理 不确定性：行为的结果总是被置于某种概率之下。 单赌与复赌 某事件的概率分布： ， 结果：结果的有限集：，上的概率分布{P1，P2，...Pn}： 记Gs为关于A的简单赌局的集合： 单赌的“收益”是确定性的结果 复赌：凡是奖品本身又成了赌博本身的赌博称为复赌。 复合赌局：赌局的结果为仍为赌局 彩票： 复合彩票： 研究生入学考试：初试+复试：初试的结果是赢得复试的机会，又是一个赌博，而不是确定性的结果。 例 高产0.2 正常0.4 低产0.4 0.2雨量大 0.04 0.08 0.08 0.2 0.5雨量中等 0.10 0.20 0.20 0.5 0.3雨量小 0.06 0.12 0.12 0.3 确定性条件下的选择： 不确定条件下的选择： 不确定条件下选策的对象是赌局。 效用函数如何表示？ 偏好关系的公理如何确定？ 不确定性条件下，消费者在概率分布集合上有偏好关系，满足以下公理： 1：穷尽性公理 对于赌局集合中的任何两个赌局和，或者有，或者。 注意：书上以结果代替赌局是简化的做法：结果可以看成概率为1的赌局。 例 假设期末考试成绩简单分为三档： 获得各个分数的概率为： A： B： 选择：或 2：传递性公理 对于赌局集合中的任何三个赌局 、和，如果有， ，则有。 上面两条合起即书上的次序完全公理 3：连续性公理 对于中的赌局1，g2,g3，,存在某个概率p,0p1，使得 例子： 假设期末考试成绩简单分为三档 最好的结果为100分，最差的结果为0分。 根据连续性公理，存在某个概率， 它使得与60分无差异。 书上例 4：独立性公理 假设消费者在A和B之间无差异，设C为另外一个结果。如果一张彩票L1以概率P和（1-P）带来结果A和C，另一张彩票L2以概率P和（1-P）带来结果B和C，那么，消费者对该两张彩票无差异： ，则 同样，则 你在一种条件下的决策（选A还是B）与另一种条件下的决策（选C）无关。P73. 5：不相等公理 如果消费者有，令 当且仅当P2P1， 6：复合赌局简单化公理 对于单赌和复赌, (L3=(P3,A,B),L4=(P4,A,B))， 如果P1=P2P3+（1-P2）P4,则复赌L2可简化为单赌L1: 推导： 第二节VNM效用函数 定义 期望 期望效用 如果对于每一个单赌，效用函数u(gs)有 则称u(gs)是关于单赌gs的期望效用函数，即VNM效用函数。 ：效用的期望值 区别期望效用与期望值：前者是效用函数的期望，后者是结果的期望。 期望效用最大化： 期望效用函数的构造 若事件发生的结果集为A=(a1,…,an),且。如果消费者将ai看成与a1与an的一个线性组合一样好，即 ，则概率pi就是我们要构造的期望效用函数 例：假定A=(10元，4元，-2元).如果问一个消费者当a1发生的概率p等于多少时使你认为ai(i=1,2,3)与(p,a1,a3)无差异，如果该消费者回答： 10元~（1*（10元），0*（-2元）） 4元~（0.6*（10元），0.4*（-2元））:比较期望值和期望效用值 -2元~（0*（10元），1*（-2元）） 那么，我们就可以定义 u(10元)=u(a1)=1 u(4元)=u(a2)=0.6 u(-2元)=u(a3)=0 给定上述效用函数值，比较下列单赌： g1=(0.2*4元,0.8*10元) g2=(0.07*（-2）元,0.03*4元，0.9*10元) 消费者偏好赌局g1.虽然g1的期望收益小于g2。 这是因为赌局2包含了非常坏（-2元）的情况。 第三节风险厌恶 一、风险的客观度量 以方差或标准差来客观度量风险。 确定给定二、人们对待风险的主观态度 确定给定 定义： 风险规避：：为凹函数 u期望值的效用u(E(g))u(x) u 期望值的效用u(E(g)) u(x) 16 E D 期望效用u(g) 13 C 期望效用u(g) 10 A 10 15 20 风险中性：：为线性函数 风险喜好：：为凸函数 风险厌恶的数学刻画 Arrow-Pratt绝对风险厌恶度量： Ra(w)0,风险厌恶，凹函数， Ra(w)=0,风险中性，线性函数， Ra(w)0,风险爱好：凸函数，。 三、确定性等价：Certainty equivalence (CE) 确定性等价CE：给定赌局，与该赌局无差异的确定的财富 uu(w)期望值的效用u(E(g)) u u(w) 期望值的效用u(E(g)) u(w2)