On data-driven robust distortion risk measures for non-negative risks with partial information
创建于 更新于
摘要
本研究提出两类基于经验分布球的分布不确定性集合，用以在部分信息条件下对非负损失的鲁棒失真风险度量进行极值分析。通过将一般Wasserstein距离与已知一阶矩及更高阶矩约束结合，推导出在严格凹且可二阶微的失真函数下的最大化分布函数的闭式解，并扩展至一般凹失真函数与无界损失情形。研究结果表明，若信息越少，所得到的鲁棒风险越保守；并通过数值分析验证了方法的可计算性与鲁棒性提升的趋势，提供了对风险管理与定价等应用的理论支撑与数据驱动路径。 [page::1]
