文献

J-GLOBAL ID：201902211669594856   整理番号：19A1420079

有限不確実性集合による最適ロバスト保険【JST・京大機械翻訳】

Optimal robust insurance with a finite uncertainty set

著者 (3件)： Asimit Alexandru V. (Cass Business School, City, University of London, London EC1Y 8TZ, United Kingdom) ,  Hu Junlei (Department of Mathematical Sciences, University of Essex, Colchester CO4 3SQ, United Kingdom) ,  Xie Yuantao (School of Insurance and Economics, University of International Business and Economics, Beijing, 100029, China)
資料名： Insurance: Mathematics and Economics  (Insurance: Mathematics and Economics)
巻： 87  ページ： 67-81  発行年： 2019年 
JST資料番号： W2139A  ISSN： 0167-6687  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 通常,モデル/パラメータリスクに直面する意思決定者は,不確実性のそのような源に対してロバストな最適契約を同定することにより,慎重に行動することを好む可能性がある。本論文では,「真の」,しかし未知のモデルの候補である多数の確率モデルを含む有限不確実性集合の下で,この問題に取り組んだ。種々のロバスト最適化モデルを提案し,そのいくつかは既に文献で知られており,それらの全ては二次符号化プログラミング(SOCP)により効率的に解くことができることを示した。数値実験を種々のリスク選好選択に対して実行し,比較的大きなサンプルサイズに対して,モデルは,最もロバストな決定を達成するために,未知の確率モデルに対する最良の可能な適合を見出すことに焦点を合わせるべきであることを見出した。小さなサンプルしか利用できない場合,モデルは2つのロバストな最適化モデル,すなわち,確率モデルを推定することを目的とした統計ツールに焦点を合わせるよりもむしろ加重平均モデルまたは加重作業ケースモデルを考慮しなければならない。これらの2つの中で,ロバスト最適化モデルのより良い選択は,その目的関数を定義するときに,モデル者がテールリスクに与える影響に依存している。これらの知見は,モデル者がその目的関数の特徴と利用可能なデータのサイズを最初に理解し,次にロバストな最適化または統計的推論が最良の実用的アプローチであるかどうかを決定するために,ロバストな最適決定が求められる場合に非常に注意深いことを示唆する。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 確率モデル ,  目的関数 ,  *ロバスト性 ,  統計的推定 ,  意思決定者 ,  モデリング ,  *不確実性 ,  モデル ,  最適化 ,  *保険
準シソーラス用語： 加重 ,  加重平均 ,  最適化モデル ,  数値実験 ,  ロバスト最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 最適再構成 ,  リスク対策 ,  ロバスト最適化 ,  二次円錐計画法 ,  不確実性モデリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 不確実性 ,  集合 ,  ロバスト ,  保険