タグ付けされた質問 「uncertainty」

6
期待される実用新案と矛盾する実験
これは認知科学ベータ版で私が尋ねた質問ですが、そこでは何の答えも得られませんでした。質問の移行/再投稿のポリシーがどうあるべきかはわかりません(メタで議論する価値があるのでしょうか?)が、ここでより多くの回答(少なくとも1つ;)が得られることを望みました。 予想される実用新案では説明できない実験のリストを探しています。予想される実用モデルとは、不確実なイベントのベクトルに対する個々の好みのモデルを意味します(例:および)Von NeumanとMorgernsternによって提案された公理のリスト、すなわち( P(r a i n )= 0.4 、P(s u n s h i n e )= 0.6 )(P(ra私n)=0.4、P(sあなたはnsh私ne)=0.6)\Big(P(rain) = 0.4, P(sunshine) = 0.6\Big)( P(r a i n )= 0.6 、P(s u n s h i n e )= 0.4 )(P(ra私n)=0.6、P(sあなたはnsh私ne)=0.4)\Big(P(rain) = 0.6, P(sunshine) = 0.4\Big) 完全 推移性 連続 …


2
忘却の経済学
さまざまな分野で忘れることの経済的正当性を知りたい。 例はGreen and Porter(1984)です。カルテルを維持するために、カルテルのメンバーは、十分に遠い過去の逸脱を忘れるインセンティブを持っています。 もう1つはEkmekciy(2011)で、不正行為が十分に古くなったら、それを公表するのをやめれば、レーティングシステムがより適切に機能することを示しています。 より抽象的なレベルの文献も歓迎します。たとえば、動的ゲームではより社会的に望ましいという結果、一部のエージェントは固定戦略に制限されているなどの結果です。

2
Machina Paradoxは、選択肢セットを拡張することで解決できますか?
別の質問では、Machinaのパラドックスは、期待される実用新案に対する可能な反例として言及されています。 パラドックスのリストに加えて、マキナのパラドックスを検討してください。それはマスコレル、ウィンストン、グリーンのミクロ経済理論で説明されています。 人は、パリについてのテレビ番組を見ることよりも、パリへの旅行を好む。 ギャンブル1:パリへの旅行に99%の確率で、テレビ番組に1%の確率で勝利します。 ギャンブル2:パリへの旅行に99%の確率で勝利します。1%の確率では勝利しません。 アイテムよりも優先度が高い場合、2番目のギャンブルが最初のギャンブルよりも優先されると考えるのは妥当です。パリへの旅行に負けた人はとてもがっかりして、プログラムの素晴らしさについて番組を見守ることができなくなるかもしれません。 しかし、州に依存する可能性のあるユーティリティを説明するために決定空間を拡張することで、これを解決できるように思えます。たとえば、とt = 1の 2つの期間を持つモデルを考え ます。最初は、パリへの旅行の勝利を取り巻く不確実性の解決の前に表します。2番目の期間は、ギャンブルの解決後です。:次のように今、この潜在的な結果をモデル Aをt = 0t=0t=0t = 1t=1t=1 ここでAはパリへの旅行に勝利した結果に対応します(その後、何をしてもかまいません)、Bは旅行に勝利せずにあなたが勝利した結果ですその後TVを見ると、Cは勝てず、その後何もしない場合です。次に、ある期間にテレビよりもパリを何もせずに(...?)好きになるかもしれませんが、(ある種の相補性のため)時間とともに一緒に考えると、CよりもBよりもAを優先します。あBC= { P、∅ }= { PC、T}= { PC、N} 、A={P,∅}B={PC,T}C={PC,N}, \begin{align} A &= \{P, \emptyset\} \\ B &= \{P^C, T\} \\ C &= \{P^C, N\}, \end{align} あAABBBCCCあAABBBCCC 私の質問はこれです。これは、このパラドックスを解決するための合理的な方法ですか?人々がこれを解決しようとした方法は何ですか?

2
高い計算能力は確実性同等性の仮定を置き換えますか?
最近のJEP 論文のブルーム「計算能力の向上により、広範囲のモデルに不確実性ショックを直接含めることが可能になり、経済学者が「確実性の同等性」に基づいて構築された仮定を放棄できるようになり、リスクの補償として必要になるだろう」と語った。(154ページの2番目の段落、3番目のポイント)。 ブルームのポイントについての私の理解は、コンピューティングパワーによってデータの異質性を処理および活用できるという考えです。計算結果と組み合わせて、高周波データや大規模データを使用して、経済結果に対する不確実性ショックの役割を特定できます。 私の推測では、ブルームのポイントは、このフレームワークにおける確実性等価概念と関連するリスクプレミアムの概念の重要性を考えると、期待効用理論に対する暗黙の批判である可能性があります。この推測/解釈は正しいですか?

2
勢いは一般的なリスク要因としてどのように正当化されますか?
一般的なリスク要因としての勢い? この質問の一部は、こちらにある別の質問のフォローアップです。この他の質問では、組織間資本資産価格付けモデル(I-CAPM)やアービトラージ価格付け理論(APT)などの因子価格付けモデルの一般的なリスク要因として説明するのが難しいことが指摘されました。これらのモデルでは、これらの要因の1つへの曝露は、ある種の望ましくないリスクへの曝露を表すと想定されています。この質問では、運動量への曝露を何らかの形の一般的なリスクへの曝露と解釈する方法を理解しようとしています。特に知りたい 勢いをリスク要因として含める会社は誰ですか?説明は何でしたか? 勢いはしばしば行動の過剰反応または過小反応に起因するようです。(これは非合理的かもしれませんし、多分合理的な過剰反応かもしれません、私は推測します---そうですか?)勢いを合理化する解釈はありますか?(つまり、運動量への暴露が悪いことを説明するものを意味します。) 参考までに: Jegadeesh and Titman(1993)は、情報への過剰反応、サイズ効果と系統的リスクとの関係、短期的な価格圧力、流動性の欠如、共通要因に対する株価反応の遅れなど、勢いのいくつかの説明をレビューしています 同紙は、「相対的な強み」プレミアム(過去の勝者を購入する戦略)は体系的なリスクへの露出によるものではなく、「一般的な要因に対する株価反応の遅れから生じるリードラグ効果」に帰することはできないと主張している。証拠は、企業固有の情報に対する価格反応の遅れと一致しているようです。 勝者のポートフォリオの株は、成立日の最初の数か月に行われる四半期決算発表の際に、敗者のポートフォリオの株よりも大幅に高いリターンを実現します。ただし、発表日から8か月から20か月後の発表日は、落札者ポートフォリオの株式よりも、敗者ポートフォリオの株式の方が大幅に高くなります。 初期のポジティブおよび後のネガティブな相対強度のリターンの証拠は、過剰反応の証拠としてのリターンの反転の一般的な解釈とリターンの持続性(つまり、過去の勝者が将来にポジティブなリターンを達成すること)は、おそらく過度に単純化していることを示唆しています。

8
クレジットにすぐにアクセスできる場合、保険プランが必要ですか?
手頃な利息で最近の損失/事故を補うためにローンに即座にアクセスできると仮定すると、保険プランの保険料を支払うことは理にかなっていますか? 保険料を節約し、それが発生した場合に損失を補うためにローンの一部を支払うためにそれを使用する方が理にかなっていると考えていました。そうすれば、保険料を支払ってそれを決して使用しないという手間を省き、そのお金をより有効に活用できます。 しかし、私は経済学を信じています。それが意味をなさない場合、それはそれほど大きなことではないでしょう。それでは、保険料を払うか、単にローンを当てるのが理にかなっている場合、どのように評価できますか?

1
体制転換を伴う成長モデル
非常に一般的な質問があります。私はこの論文を読んでいます。 http://www.webmeets.com/files/papers/eaere/2015/177/Discounting-HelsinkiBlind.pdf 壊滅的なイベントの可能性があり、壊滅的なイベントの後で消費レベルはゼロまで減少します。しかし、著者は壊滅的な事件の前に定常状態分析をしています。壊滅的なイベントの確率は、$ h \ left(X \ right)$です(ポアソン過程に従うとしましょう)。$ X $は、例えば汚染を表します。 $ T $をイベント発生時刻とし、$ F \ left(t \ right)= Pr \ left \ {T \ leq t \ right \} $および$ f \ left(t \ right)= F ^ {'を表すものとします。それぞれ対応する確率分布および密度関数としての\ left(t \ right)$。 $$ h \ left(S \ left(t \ right)\ right)\ …
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.