Distributionally Robust Optimization Under Distorted Expectations

模棱两可 累积前景理论 稳健优化 失真(音乐) 期望效用假设 计算机科学 数学优化 班级(哲学) 风险厌恶(心理学) 前景理论 凸优化 最优决策 主观期望效用 计量经济学 经济 正多边形 数理经济学 微观经济学 数学 人工智能 放大器 计算机网络 几何学 带宽(计算) 程序设计语言 决策树
作者
Jun Cai,Jonathan Yu-Meng Li,Tiantian Mao
出处
期刊:Operations Research [Institute for Operations Research and the Management Sciences]
被引量:8
标识
DOI:10.1287/opre.2020.0685
摘要

Optimal Decision Making Under Distorted Expectation with Partial Distribution Information Decision makers who are not risk neutral may evaluate expected values by distorting objective probabilities to reflect their risk attitudes, a phenomenon known as distorted expectations. This concept is widely applied in behavioral economics, insurance, finance, and other business domains. In “Distributionally Robust Optimization Under Distorted Expectations,” Cai, Li, and Mao study how decision makers using distorted expectations can optimize their decisions when only partial information about objective probabilities is available. They show that decision makers who are ambiguity averse can optimize their decisions as if they are risk averse with their risk attitudes characterized by a convex distortion function. This finding demonstrates why even non–risk-averse decision makers, such as those studied in the celebrated cumulative prospect theory, may consider it optimal to take risk-averse decisions when facing uncertainty about objective probabilities. Leveraging this finding, the authors show that a large class of distributionally robust optimization problems involving the use of distorted expectations can be tractably solved as convex programs.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
哎哟很烦发布了新的文献求助10
刚刚
不要引力完成签到,获得积分10
1秒前
不要引力发布了新的文献求助10
3秒前
Ploaris完成签到 ,获得积分10
3秒前
洧甜yr完成签到 ,获得积分10
5秒前
酷波er应助完美的紫南采纳,获得10
5秒前
Takagi完成签到,获得积分10
6秒前
Jackcaosky完成签到 ,获得积分10
6秒前
dy发布了新的文献求助30
8秒前
tannie完成签到 ,获得积分10
8秒前
慕青应助舟遥遥采纳,获得10
8秒前
110完成签到,获得积分10
10秒前
wonderbgt完成签到,获得积分10
14秒前
陆离完成签到 ,获得积分10
17秒前
隐形曼青应助哎哟很烦采纳,获得10
17秒前
聪明邪欢完成签到,获得积分10
18秒前
和平港湾完成签到,获得积分10
19秒前
优美的千万完成签到,获得积分10
20秒前
21秒前
22秒前
李爱国应助qmx采纳,获得10
23秒前
科研通AI2S应助overThat采纳,获得10
23秒前
踏实的嵩完成签到,获得积分10
24秒前
眼睛大的剑心完成签到 ,获得积分20
24秒前
大模型应助666采纳,获得10
25秒前
稳重紫蓝完成签到 ,获得积分10
26秒前
gxpjzbg完成签到,获得积分10
26秒前
激动的乐安完成签到 ,获得积分10
26秒前
孤独的橘子完成签到,获得积分10
28秒前
29秒前
30秒前
ningasd完成签到 ,获得积分10
31秒前
净禅完成签到 ,获得积分10
35秒前
35秒前
霜降发布了新的文献求助10
35秒前
小丸子呀完成签到 ,获得积分10
36秒前
37秒前
朴实的绿兰完成签到 ,获得积分10
37秒前
carlitos完成签到 ,获得积分10
38秒前
刘天完成签到,获得积分10
38秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3085525
求助须知:如何正确求助?哪些是违规求助? 2738394
关于积分的说明 7549581
捐赠科研通 2388186
什么是DOI,文献DOI怎么找? 1266339
科研通“疑难数据库(出版商)”最低求助积分说明 613430
版权声明 598591