📄Работа №66909

Тема: Исследование мер риска в теории принятия решений

📝
Тип работы Дипломные работы, ВКР
📚
Предмет математика
📄
Объем: 99 листов
📅
Год: 2018
👁️
Просмотров: 521
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.

📋 Содержание

Введение 3
Постановка задачи 5
Обзор литературы 6
Глава 1. Анализ, оценка и управление риском 8
1.1. Понятие риска 8
1.2. Методы управления риском 9
1.3. Анализ мер риска на когерентность 10
1.4. Практическое применение 24
Глава 2. Принцип ожидаемой полезности 30
2.1. Понятие ожидаемой полезности 30
2.2. Функция полезности фон Неймана - Моргенштерна 30
2.3. Модель ожидаемой полезности 33
2.4. Метод ожидаемой полезности и меры риска 34
2.5. Связь степеней рисковости и производных функции полезности
Глава 3. Концепция стохастического доминирования 44
3.1. Принцип стохастического доминирования 44
3.2. Стохастическое доминирование и меры риска 47
3.3. Стохастическое доминирование и степени рисковости 51
Глава 4. Сравнение методов 53
Глава 5. Оценка интенсивности предпочтения 66
5.1. Некоторые свойства интенсивности предпочтения 66
5.2. Степени и меры интенсивности предпочтения 71
5.3. Порог принятия решения 83
5.4. Порог принятия решения на практике 84
Результаты 89
Заключение 91
Список литературы 92
Приложение

📖 Введение

Людям каждый день приходится принимать решения, опираясь на свой жизненный опыт и знания. При принятии решений, касающихся социальной, экономической, политической жизни общества важным аспектом является количественная и качественная оценка предпочтений лиц принимающих решения (ЛПР), а также оценка риска различных альтернатив, из которых ЛПР стремятся выбрать наилучшую. Жизнь человека с каждым годом становится все более насыщенной событиями и информацией, темп жизни, особенно в больших городах, невероятно высок. Поэтому ЛПР также стремится к тому, чтобы принятие решения было быстрым и своевременным, а определение наилучшей альтернативы было возможно для любых ситуаций.
Конечно, нет универсального средства, позволяющего решить любую жизненную задачу, но ученые издавна стремятся к его созданию и рассматривают ситуацию с различных точек зрения. Поэтому и существуют математические направления посвященные исследованию риска, полезности, отношений предпочтения и т.д. Сложность задач, решаемых в данных исследованиях, состоит в том, что они работают с эмпирическими данными, а, значит, не всегда есть возможность применить одну теорию ко всем задачам.
Целью научной работы является исследование нескольких концепций принятия решений: аппарата мер риска, принципа стохастического доминирования, метода ожидаемой полезности и оценки интенсивности предпочтений, а так же выявление и описание случаев, в которых применение перечисленных методов будет наиболее эффективным.
Для достижения цели необходимо решить следующие задачи:
• исследование мер риска на когерентность, выбор наиболее удобных мер риска для применения к эмпирическим данным;
• исследование таких подходов к принятию решения, как принцип стохастического доминирования и метод ожидаемой полезности;
• описание взаимосвязи понятия степени рисковости с методами стохастического доминирования и ожидаемой полезности;
• исследование аппарата для оценки интенсивности предпочтений;
• разработка новых способов оценки интенсивности предпочтений.

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании

✅ Заключение

Современная теория решений постоянно развивается, это подтверждают многочисленные исследования различных подходов к оценке риска. В литературе подробно описана связь метода ожидаемой полезности и некоторых мер риска с принципом стохастического доминирования. В данной работе исследованы три метода количественной оценки риска: аппарат мер риска, метод ожидаемой полезности и принцип стохастического доминирования.
В первой главе проведен анализ мер риска, используемых в теории принятия решений на когерентность. Исследовано их практическое применение к эмпирическим данным, выявлены наиболее предпочтительные меры рисков для проведения количественной оценки риска для статистических данных.
Во второй главе проведено исследование условий, которые накладываются на функцию полезности при совместном ее использовании с мерами риска, доказаны теоремы 2.4.1-2.4.3. Так же изучена и доказана связь степеней рисковости с методом ожидаемой полезности, а именно какое соотношение связывает степени рисковости с производными функции полезности, см. теоремы 2.5.1, 2.5.2, 2.5.4. В третьей главе описан принцип стохастического доминирования и его связь с мерами риска, доказаны теоремы 3.2.1 и 3.2.2 о соотношении порядков стохастического доминирования и мер риска.
В четвертой главе решается задача сравнения результатов трех методов оценки риска с использованием понятия рисковости различных степеней и без использования данного определения.
В пятой главе исследован метод оценки интенсивности предпочтения, предложены новые инструменты для измерения интенсивности (введены определения 5.2.1 - 5.2.7), результат применения которых проверен на примере. Также предложено понятие порога принятия решений (введены определения 5.3.1, 5.3.2) для кусочно-монотонных функций полезности, доказана теорема 5.3.1, проведена интерпретация результатов на примере.

Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ

📕 Список литературы

1. Бернулли Д. Опыт новой теории измерения жребия [1738] // Вехи экономической мысли. Т.1. Теория потребительского поведения и спроса. СПб.: Экономическая школа, 1999, С.11-27.
2. Дж. фон Нейман, О. Моргенштерн. Теория игр и экономическое поведение. / Перев. с англ. под ред. и с доб. Н. Н. Воробьева. М.: Наука, 1970. 708 с.
3. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978. 352 с.
4. Колбин В.В., Белоносова И.Ю. Анализ рисков в страховании, СПб.: Издательство СПбГУ, 2006. 68 с.
5. Крувшиц Л., Шефер Д., Шваке М. Финансирование и инвестиции. Сборник задач и решений / Пер. с нем. под общей редакцией Сабова З. А., Дмитриева
А. Л. СПб.: Питер, 2001. 320 с.
6. Новоселов А. А. Стохастическое доминирование и его приложения в моделировании риска // Записки ФАМ Семинара, Красноярск, 2002. Т. 7.
С. 37-44.
7. Новоселов А. А., Варочкина Т. С. Стохастическое доминирование I и II рода // Вестник Красноярского государственного университета, 2004. Т. 5. Вып. 2. С. 15-21.
8. Ekern S. Increasing Nth degree risk // Economics Letters 6, 1980. P. 329-333.
9. Jean W. H. The geometric mean and stochastic dominance // Journal of Finance 35, 1980. P. 151-158.
10. Fishburn P. C. Mean-risk analysis with risk associated with below-target returns // The American Economic Review, 1977. Vol. 67, 2. P. 116-126.
11. Artzner P., Delbaen F., Eber J. M. Coherent measures of risk //Math. Fin., 1999. Vol. 9, 3. P. 203-228.
12. Barbosa A., Ferreira M. A. Beyond coherence and extreme losses: Root Lower Partial Moment as a risk measure, 2004. Available at SSRN: http://ssrn.com/abstract=609221 or http://dx.doi.org/10.2139/ssrn.609221.
13. Peng J. Value at Risk and Tail Value at Risk in uncertain environment // Proceedings of the Eighth International Conference on Information and Management Sciences, 2009. P. 787-793.
14. Rootzen H., Kluppelberg C. A single number can’t hedge against economic catastrophes // Ambio, 1999. Vol. 28, No. 6. P. 550-555.
15. Danielsson J., Jorgensen B. N., Sarma M., Samorodnitsky G., de Vries C. G. Fat tails, VaR and subadditivity // Journal of Econometrics, 2013. Vol. 172, 2. P. 283-291.
16. Benati S. The optimal portfolio problem with coherent risk measure constraints // Europian Journal of Operational Research, 2003. Vol. 150, No. 3. P. 572-584.
17. Кирута А.Я., Рубинов А.М., Яновская Е.Б. Оптимальный выбор распределений в сложных социально-экономических задачах. Л.: Наука,
1980. 167 c.
18. Peter H. Farquhar, L. Robin Keller Preference intensity measurement //Annals of Operations Research, 1989, Vol. 19, 1, P. 205-217.
19. Фишберн П. К. Измерение относительных ценностей / Статистическое измерение качественных характеристик. - М.: Статистика (Перевод с английского под редакцией Е. М. Четыркина), 1972. С. 34-94.
20. Алехин Е.И. Теория риска и моделирование рисковых ситуаций. Конспект лекций. Орел: ОГУ, 2006. 90 с.
21. Панягина А.Е. Подходы к пониманию и классификации рисков // Современная экономика: проблемы, тенденции, перспективы. 2012. Вып. №6. С. 1-11.
22. Найт Ф. Понятие риска и неопределенности // Thesis, 1994. Вып. 5. C. 12-28 (Перев. с англ. С. А. Афонцева из: Frank H. Knight. The Meaning of Risk and Uncertainty // F. Knight. Risk, Uncertainty, and Profit. Boston: Houghton Mifflin Co, 1921. P. 210-235).
23. Новоселов А. А. Математическое моделирование финансовых рисков: теория измерения. Новосибирск: Наука, 2001. 99 c.
24. Новоселов А. А. Обобщенные когерентные меры риска // Труды IV Всероссийской конференции по финансово-актуарной математике и смежным вопросам. Т. 1. Красноярск, 2005. С. 325-339.
25. Acerbi C., Tasche D. On the coherence of Expected Shortfall // Journal of Banking & Finance, 2002. Vol. 26(7). P. 1487-1503.
26. Дедовская, В.А. Анализ некогерентных мер риска // Процессы управления и устойчивость: Труды 44-й международной научной конференции аспирантов и студентов / СПб.: Издат. Дом СПбГУ, 2013. С. 605-610.
27. Дедовская, В.А. Колбин В.В. Когерентные меры риска // Процессы управления и устойчивость: Труды 44-й международной научной конференции аспирантов и студентов / СПб.: Издат. Дом СПбГУ, 2013. С. 611-616.
28. Дедовская В.А, Колбин, В.В. Исследование мер риска в теории принятия решений / В.В. Колбин, // Оценка и управление риском / Palmarium Academic Publishing, 2014. С. 191-245.
29. The United States Geological Survey. http://www.usgs.gov/natural hazards/
30. Statistic Brain. http://www.statisticbrain.com/
31. Дубров А.М., Дагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых
ситуаций в экономике и бизнесе. / Под ред. Б. А. Дагоши. М.: Финансы и статистика, 2000. 176 с.
32. Pratt J.W. Risk Aversion in the Small and in the Large // Econometrica, January- April 1964, Vol. 32, P. 122-136.
33. Arrow K.J. Essays in the Theory of Risk-Bearing. Chicago: Markham Pub. Co.,
1971. 278 p.
34. Levy H., Kroll Y. Ordering uncertain options with borrowing and lending // The Journal of Finance, 1978. Vol. 33, 2. P. 553-574.
35. Колбин В. В. Анализ и оценка рисков. СПб: Изд. дом СПбГУ, 2005. 70 c.
36. Буренин А.Н. Управление портфелем ценных бумаг. М., Научно-техническое общество имени академика С.И. Вавилова, 2008. 440 с.
37. Follmer. H., Schied, A. Stochastic Finance: An Introduction in discrete Time, 2nd rev. and extended ed. De Gruyter Studies in Mathematics; 27. 2004. P. 459.
38. Porter R. Semivariance and Stochastic Dominance: A Comparison // The American Economic Review, 1974. Vol. 64, 1. P. 200-204.
39. Европейское региональное бюро Всемирной организации здравоохранения. http://data.euro.who.int/hfadb/shell ru.html
40. Jean W. H., Helms B. P. Stochastic dominance as a decision model // Quarterly Journal of Business and Economics, 1986. Vol. 25, 1. P. 65-101.
41. Кини Р. Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения / Пер. с англ. под ред. И. Ф. Шахнова. М.: Радио и связь, 1981. 560 с.
42. Deck C., Schlesinger H. Consistency of Higher Order Risk Preferences // Econometrica, Econometric Society, 2014. Vol. 82. P. 1913-1943.
43. Трухачев Р.И. Модели принятия решений в условиях риска и не определенности. М.: Наука, 1981. 151 с.
44. Ledovskaya, V.A., Kolbin V.V. Degrees and measures of preference intensity // International Conference on «Stability and Control Processes» in Memory of V.I. Zubov, SCP / IEEE, Article number 7342192, 2015. P. 470-474. http://ieeexplore.ieee.org/document/7342192/.
45. Роспотребнадзор. Статистические материалы.
http://www.rospotrebnadzor.ru/activities/statistical-materials/

🛒 Оформить заказ

Работу высылаем в течении 5 минут после оплаты.

©2026 Cервис помощи студентам в выполнении работ