不确定风险状态下的投资.docxVIP

第九讲不确定性条件下的选择 第一节一些公理 一、 不确定性：行为的结果总是被置于某种概率之下。 二、 单赌与复赌 某事件的概率分布： pi ,i l,...,n， Pi 1, 口 0 结果：结果的有限集：A a1,...,an，A上的概率分布Q, P2，…p J : 记Gs为关于A的简单赌局的集合： n Gs { pi ai, P2 a2,..., pn an pi 0, pi 1} i 1 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。 不确定条件下选策的对象是赌局 不确定条件下选策的对象是赌局 O 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: max u x x B x 不确定条件下的选择: max g Gs g 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 G上有偏好关系f，满足以下 % 公理： 1：穷尽性公理 对于赌局集合 G中的任何两个赌局 g和g，或者有g f g，或者 f % g %g。 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： 0,60,100 获得各个分数的概率为: A： 0.8,0.1,0.1 B： 0.2,0.6,0.2 选择：A f B或B f A % % 2:传递性公理 对于赌局集合G中的任何三个赌局 ，如果有g%g， 3:连续性公理 ° g3,存在某个概率?g2对于G中的赌局gi, g2,g3 , g ° g3,存在某个概率 ?g2 P，0P1，使得 P gi (1 P)g3 例子： 假设期末考试成绩简单分为三档 0,60,100 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 0,1， 它使得 o100分,1 oO分 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 Li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： 若A ?B,C A,C B，则 PA (1 P)C ?PB (1 P)C 同样若A ?B,C A,C B，则 PA (1 P)C ?PB (1 P)C 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A B，令L1 (R,A,B) RA (1 PJB, L2 (P2,A, B) P2A (1 P2 ) B,当且仅当 P2R，L2 L1 i i 1 6:复合赌局简单化公理 对于单赌Li (R,A,B) RA (1 R)B,和复赌L?(卩2丄3丄4), (L3=(P3,A,B),L4=(P 4,A,B)), 如果Pi=RP3+ (1-P2) P4,则复赌L2可简化为单赌Li： Li ~ L2 推导：L3 (P3,A,B) PjA (1 Pj)B, L4 (P4,A,B) P4A (1 P4)B, L2 (卩2丄3丄4)P2Lj (1 ￡儿4 FUF^A (1 Pj)B] (1 F)[P4A (1 RJB] PzPjA 巳(1 B)B (1 巳旧A (1 巳)(1 R)B [巳丘(1 P2)PJA [￡(1 B) (1 巳)(1 PJ]B RA (1 R)B L1, 第二节VNM效用函数 一、定义 1、 期望 2、 期望效用 如果对于每一个单赌gs (P16, P2a2,…，Pnan)，效用函数U?)有 n U g PiU ai i 1 则称u(gs)是关于单赌gs的期望效用函数，即 VNM效用函数。 n piu ai :效用的期望值 期望效用最大化max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 max PiU ai i 1 二、期望效用函数的构造 若事件发生的结果集为 A=（ai，…,a n）,且ai a2 .... an。如果消费者 将a看成与ai与an的一个线性组合一样好，即 ai ~ （Pi ?ai,（1 Pi）an），则概率 p就是我们要构造的期望效用函数 u（aj Pi 例：假定A=（10元，4元，-2元）.如果问一个消费者当ai发生的概率p 等于多少时使你认为 a（i=1,2,3）与（p,ai,a3）无差异，如果该消费者回 答： 10 元~（ 1* （ 10 元），0*