不确定风险状态下的投资

1、.PAGE ：.；PAGE 13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：研讨生入学考试：初试+复试：初试的结果是博得复试的时机，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0.40.2雨量大0.040.080.080.20.5雨量中等0.100.200.200.50.3雨量小0.060.120.120.3

2、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。成效函数如何表示？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。留意：书上以结果替代赌局是简化的做法：结果可以看成概率为1的赌局。例假设期末考试成果简单分为三档：获得各个分数的概率为：A：B：选择：或2：传送性公理对于赌局集合中的任何三个赌局 、和，假设有， ，那么有。上面两条合起即书上的次序完全公理3：延续性公理对于中的赌局1，g2,g3，,存在某个概率p,0pP1，6：复合赌局简单化公理对于单赌和复赌,(L3=(P3,A

3、,B),L4=(P4,A,B)，假设P1=P2P3+1-P2P4,那么复赌L2可简化为单赌L1:推导：第二节VNM成效函数定义期望期望成效假设对于每一个单赌，成效函数u(gs)有那么称u(gs)是关于单赌gs的期望成效函数，即VNM成效函数。：成效的期望值区别期望成效与期望值：前者是成效函数的期望，后者是结果的期望。期望成效最大化：期望成效函数的构造假设事件发生的结果集为A=(a1,an),且。假设消费者将ai看成与a1与an的一个线性组合一样好，即，那么概率pi就是我们要构造的期望成效函数例：假定A=(10元，4元，-2元).假设问一个消费者当a1发生的概率p等于多少时使他以为ai(i=1,

4、2,3)与(p,a1,a3)无差别，假设该消费者回答：10元1*10元，0*-2元4元0.6*10元，0.4*-2元:比较期望值和期望成效值-2元0*10元，1*-2元那么，我们就可以定义u(10元)=u(a1)=1u(4元)=u(a2)=0.6u(-2元)=u(a3)=0给定上述成效函数值，比较以下单赌：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。这是由于赌局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规范差来客观度量风险。确定给定二、人们对待风险的客观态度定义：风险躲

5、避：为凹函数u期望值的成效u(E(g)u(x) 16 E D期望成效u(g) 13 C 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描写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,风险喜好：凸函数，。三、确定性等价：Certainty equivalence (CE)确定性等价CE：给定赌局，与该赌局无差别确实定的财富uu(w)期望值的成效u(E(g) u(w2) Eu(E(g) D期望成效u(g) C u(w1) A P w1 CE E(g) w2风险升水：risk premium (P)承当风险的报酬：赌局的期望值与确定性等价之间的差。例5：假定原来资产为W0,u(w)=ln(w),令单赌赋予赢h与亏h各0.5的概率，设消费者原来的资产程度为w。求CE与风险升水P.解：赌局g=(0.5*(w0+h)+0.5*w0-h)ln(