Worst-cases of distortion riskmetrics and weighted entropy with partial information
创建于 更新于
摘要
本报告在仅已知分布的部分信息（均值和方差）条件下，系统地推导了广义失真风险度量（distortion riskmetrics）和加权熵的极端最坏情形。这些结果拓展了现有的失真风险测度极值理论，涵盖了常用熵指标如Gini、CRE、Tsallis熵及其加权版本，同时对相关的保险费原则和尾部短缺进行了应用说明。报告提供了极值分布的精确构造方法，并通过NASDAQ三只股票日收益数据数值验证了所得界限的有效性 [page::0][page::3][page::6][page::23]。
