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
欣晴发布了新的文献求助10
刚刚
科研通AI2S应助baobeikk采纳,获得10
1秒前
罗是一发布了新的文献求助10
2秒前
颖颖子完成签到,获得积分10
2秒前
QQQ发布了新的文献求助10
2秒前
H先生发布了新的文献求助10
3秒前
团团发布了新的文献求助10
3秒前
3秒前
Aliothae完成签到,获得积分10
3秒前
安静的筝发布了新的文献求助10
3秒前
完美世界应助郝宝真采纳,获得10
3秒前
丹妮发布了新的文献求助10
3秒前
CipherSage应助huco采纳,获得10
3秒前
雨柏完成签到 ,获得积分10
4秒前
WWW发布了新的文献求助10
4秒前
LHL发布了新的文献求助10
5秒前
joker发布了新的文献求助10
5秒前
5秒前
彭于彦祖应助流苏采纳,获得50
6秒前
甜甜玫瑰应助追寻紫安采纳,获得10
6秒前
聪明的手链完成签到,获得积分10
7秒前
7秒前
8秒前
8秒前
飞龙在天发布了新的文献求助10
8秒前
慕青应助夏末采纳,获得10
8秒前
8秒前
Ava应助乐观紫霜采纳,获得10
9秒前
wanci应助悦动采纳,获得10
9秒前
qyang发布了新的文献求助10
9秒前
9秒前
爱听歌的丹琴完成签到,获得积分20
10秒前
小二郎应助leyellows采纳,获得10
10秒前
Rex发布了新的文献求助10
10秒前
10秒前
张健发布了新的文献求助10
11秒前
qyang完成签到 ,获得积分10
11秒前
浅尝离白应助HarrisonChen采纳,获得30
11秒前
尺素寸心发布了新的文献求助10
11秒前
江柚白完成签到,获得积分10
12秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
Classics in Total Synthesis IV 400
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 3144663
求助须知:如何正确求助?哪些是违规求助? 2796129
关于积分的说明 7818009
捐赠科研通 2452286
什么是DOI,文献DOI怎么找? 1304935
科研通“疑难数据库(出版商)”最低求助积分说明 627339
版权声明 601432