随机优势分析和总结.docxVIP

第五章 随机优势 Stochastic Dominance 本章主要参考文献: 174, 135, 93 Bawa, S D a research bibliography, M S , 1982, 698-712 §5.1 Markowitz 模型 记： x : 投资于 i 种股票的资金份额, i R : 投资于 i 种股票的每元资金的回收率; i 若 ?n x = 1 i i ?1 则 ( x , x ,…， x )称为有价证券混合(portfolio mixes).显见总收益 Y 为： 1 2 n Y = ?n R x i i i ?1 由于 Ri 是随机变量，故 Y 也是随机变量.设 Y 的分布为 F(y)，概率密度函数为 f(y),则有价 证券的 Markowitz 模型为： MAX{E(Y) = ?n ? s.t. ?n E( R i i ?1 ?n ? x  ) x } (1) i x (2) i ?1  j ?1 ij i j ?n x i i ?1  = 1 (3) Markowitz 模型的含义：对给定的风险水平V,即(2)式，选择有价证券混合，使之有最大的期望收益。该模型的解称为有效 EV 有价证券混合. §5.2 优势原则(Dominance Principle) 一、最简单的优势原则：(强随机优势) 1.按状态优于： 定义：l(θ, a ) ≤ l(θ, a ) ? θ∈Θ, 且至少对某一个θ，严格的不等式成立， 则称a 按状 i j i 态优于a . j 例，损失矩阵如下， a 按状态优于a a1 a 1 a 2 a 3 ? 4 7 2 1 ? 6 6 8 2 ? 3 4 7 3 同样，可以称 a 较之 a 处于优势(具有随机优势)或称 a 处于被支配地位 1 2 2 E—V 排序 定义： 设随机事件的收益的两种概率分布F，G，F 的均值不少于G，方差不大于G， 即 E(F)≥E(G)，V(F)≤V(G)且至少有一严格不等式成立，则称F 按 E—V 准则较G 有优势， 此原则合理，但条件太强。 Markowitz 模型 方差给定(相同)，均值大者为优。 二、为什么要研究优势原则 后果及其概率可以用抽奖来表示 为了定量计算，要根据决策人的价值判断(公理，条件)来确定实值效用 u. 例 礼品1 礼 品 1 1 0 0 . 50 . 5 0 . 5 0 . 5 2 5 抽 抽 奖 0 0 元 ·由于决策人的认识偏差及量化误差，确定唯一的较准确的效用存在较大困难。 ? ?但是，如果存在某种效用函数的类U (符合条件 C)， ? u∈ U 均有a a (记作 ? ? C C 1 2 1 c 2 则可避免确定唯一的效用函数的困难。 ·作用：①删除非优势(被支配)行动，缩减有效行动集， ②更深入了解决策问题的特点 三、优势原则的一般表示 设决策人希望期望效用极大, 采用 a 时收益 y 的效用为 u(y), y 的分布为 f (y), 则采取行 j j 动(方案) a 的期望效用 j u( a j )= ??u (y) f ??  (y)dy j 若 a 优 于 a 则需 f (y)比 f (y) 占优势： j i j i 即 ??u (y) ?? f (y)dy≥ ??u (y) f j ???i  (y)dy (4) 采用优势原则的目的是由于 u(y)设定存在困难希望，通过对 u(y)作某种总体要求(例如单增) 使 f (y)和 f (y)在满足一定条件时，(4)式成立。 j i 5-2 §5.3 一、二、三等随机优势 一、第一等随机优势 FSD (First-Degree S D) 1.第一类效用函数 U (单增有界) 记 u 的定义域 I 为［a,b］,(a,b)记作 I 0 U 1 = {u|u 和 u’ 在 I 上连续有界，在 I 0 上 u’≥0} 2.第一等随机优势定义： 当 u∈U ,且对 I 1 0 上所有 y 有 F i (y) ≥F j ，则称行动 a j 比起 a i 具有第一等随机优势, 记作a j ? 1 a . i 3.例： 1/6 1/6 1/6 1/6 1/6 1/6 x 1 4 1 4 4 4 y 3 4 3 1 1 4 由 E—V 排序 E(x)=3,E(y)=8/3;v(x)=2,v(y)=14/9;无法判定优劣.由第一等随机优势可知 ?x y ? 1 4.Note： ?·在实际使用时，只要描出 F (y)与 F (y) ， 若 F (y) 在 F (y)的左侧，则 F (y) F (y), ? i j i j j 1 i 可删掉 F ; i ·若二条曲线有效叉点，第一等随机优势无法判定优劣。 F (y) 对 F (y)没有优势时无