[논문 리뷰] Concave Distortion Semigroups

Alexander S. Cherny, Damir Filipović|arXiv (Cornell University)|2011. 04. 04.

Probabilistic and Robust Engineering Design참고 문헌 8인용 수 3

한 줄 요약

이 논문은 일관된 수락 가능성 지표의 클래스를 좁히기 위해, 반구형 증가 함수 $Ψ_t: [0,1] \to [0,1]$의 가족인 반구형 왜곡 반군을 도입한다. 이들은 반군 성질 $Ψ_s \circ \u03a8_t = \u03a8_{s+t}$ 를 만족한다. 이 반군과 반구형 생성자 $G: (0,1) \to (0,\infty)$ 사이에 일대일 대응이 존재하며, 정규성 조건 하에 전체 반군을 단 하나의 왜곡 $Ψ_{t_*}$ 로부터 유일하게 복원할 수 있다. 또한 AIMAX와 웬 변환 반군과 같은 표준 예가 밝혀진다.

ABSTRACT

The problem behind this paper is the proper measurement of the degree of quality/acceptability/distance to arbitrage of trades. We are narrowing the class of coherent acceptability indices introduced by Cherny and Madan (2007) by imposing an additional mathematical property. For this, we introduce the notion of a concave distortion semigroup as a family $(Ψ_t)_{t\ge0}$ of concave increasing functions $[0,1] o[0,1]$ satisfying the semigroup property $$ Ψ_s\circΨ_t=Ψ_{s+t},\quad s,t\ge0. $$ The goal of the paper is the investigation of these semigroups with regard to the following aspects: representation of distortion semigroups; properties of distortion semigroups desirable from the economical or mathematical perspective; determining which concave distortions belong to some distortion semigroup.

연구 동기 및 목표

• 반군 성질을 수학적 제약 조건으로 도입하여 광범위한 일관된 수락 가능성 지표의 클래스를 좁히는 것.
• 반구형 왜곡 반군을 통해 가중 V@R 수락 가능성 지표의 표준 부분집합을 규명하는 것.
• 시장 데이터로부터 추정된 단일 관측 왜곡 $Ψ_{t_*}$ 로부터 전체 왜곡 가족 $\Psi_t$ 를 복원하는 실용적 문제를 다루는 것.
• 복원이 유일한 조건을 규명하고 생성자에 대한 근사 알고리즘을 제공하는 것.
• 최댓값과 무한소와 같은 연산에 대한 해당 지표 클래스의 닫힘 성질을 탐색하는 것.

제안 방법

• 반구형 왜곡 반군을 $t \geq 0$ 에 대해 정의한다. 이는 $[0,1] \to [0,1]$ 으로 가는 반구형 증가 함수의 가족 $(\Psi_t)_{t \geq 0}$ 으로, $\Psi_s \circ \Psi_t = \Psi_{s+t}$ 를 만족한다.
• 반군과 반구형 생성자 $G: (0,1) \to (0,\infty)$ 사이의 일대일 대응을 적분 방정식 $\Psi_t(x) = \inf\{ y \in [x,1] : \int_x^y \frac{1}{G(s)} ds = t \}$ 를 통해 수립한다.
• 생성자를 $G(x) = \lim_{t \downarrow 0} \frac{\Psi_t(x) - x}{t}$ 로 정의하여 무한소적 행동과 반군을 연결한다.
• 임의의 반구형 왜곡 $Ψ$ 에 대해 $Ψ'_-(1) > 0$ 이면, $Ψ_1 = \u03a8$ 를 만족하는 유일한 반구형 왜곡 반군이 존재함을 증명한다. 이는 데이터 기반 복원을 가능하게 한다.
• 주어진 $Ψ_{t_*}$ 로부터 생성자 $G$ 를 근사하기 위한 반복적 알고리즘을 제시한다.
• 닫힘 성질 분석: 두 반군 지표의 무한소와 최댓값은 각각 그 생성자의 점별 무한소와 가장 작은 반구형 상위 함수에 대응한다.

실험 결과

연구 질문

• RQ1 단일 관측 왜곡 $Ψ_{t_*}$ 로부터 유일한 반구형 왜곡 반군을 복원할 수 있는가? 어떤 조건에서 가능한가?
• RQ2 더 넓은 클래스 내에서 가장 바람직한 왜곡 반군을 특징짓는 수학적 및 경제적 성질은 무엇인가?
• RQ3 수락 가능성 지표에 대한 무한소와 최댓값 연산이 그 기초 생성자에 대해 어떻게 대응하는가?
• RQ4 어떤 반구형 왜곡 함수 $Ψ$ 는 생성 반군을 갖는가? 이러한 함수들의 집합의 구조는 어떠한가?
• RQ5 최적의 성질을 지닌 반구형 왜곡 반군의 표준 예는 무엇이며, Wang 변환 또는 AIMAX와 같은 알려진 성능 측정치와 어떻게 관련이 있는가?

주요 결과

• 반구형 왜곡 반군 $(\Psi_t)_{t \geq 0}$ 과 반구형 생성자 $G: (0,1) \to (0,\infty)$ 사이에 일대일 대응이 존재하며, $\Psi_t(x) = \inf\{ y \in [x,1] : \int_x^y \frac{1}{G(s)} ds = t \}$ 로 주어진다.
• 생성자 $G(x)$ 는 무한소적 변화율로 복원된다: $G(x) = \lim_{t \downarrow 0} \frac{\Psi_t(x) - x}{t}$.
• 임의의 반구형 왜곡 $Ψ$ 에 대해 $Ψ'_-(1) > 0$ 이면, $Ψ_1 = \u03a8$ 를 만족하는 유일한 반구형 왜곡 반군이 존재한다. 이는 단일 관측으로부터의 유일한 복원을 가능하게 한다.
• 주어진 $Ψ_{t_*}$ 로부터 생성자 $G$ 를 근사하기 위한 반복적 알고리즘을 제공하여 실용적 적용 가능성을 확보한다.
• 반군 지표의 클래스는 무한소와 최댓값 연산에 대해 닫혀 있다: 두 지표의 무한소는 그들의 반군에 대한 점별 무한소에 대응하고, 최댓값은 그들의 생성자의 가장 작은 반구형 상위 함수에 대응한다.
• AIMAX 반군과 웬 변환은 바람직한 수학적 및 경제적 성질을 지닌 표준 예로 규명되었으며, 일반성과 취급 용이성의 교차점에 위치한다.