[论文解读] Surplus-invariant risk measures

Niushan Gao, Cosimo Munari|arXiv (Cornell University)|Jul 16, 2017

Risk and Portfolio Optimization参考文献 19被引用 3

一句话总结

本文在向量格的框架下，建立了剩余不变风险度量的全面理论，统一并拓展了先前在风险度量领域的研究成果。它为剩余不变的接受集提供了对偶表示、扩张定理和结构表征，适用于被支配的概率空间（例如Orlicz空间）以及标准拓扑工具失效的鲁棒、非被支配模型。

ABSTRACT

This paper presents a systematic study of the notion of surplus invariance, which plays a natural and important role in the theory of risk measures and capital requirements. So far, this notion has been investigated in the setting of some special spaces of random variables. In this paper we develop a theory of surplus invariance in its natural framework, namely that of vector lattices. Besides providing a unifying perspective on the existing literature, we establish a variety of new results including dual representations and extensions of surplus-invariant risk measures and structural results for surplus-invariant acceptance sets. We illustrate the power of the lattice approach by specifying our results to model spaces with a dominating probability, including Orlicz spaces, as well as to robust model spaces without a dominating probability, where the standard topological techniques and exhaustion arguments cannot be applied.

研究动机与目标

• 在向量格中发展一个统一、通用的剩余不变性理论，拓展以往局限于特定函数空间的研究结果。
• 为剩余不变风险度量建立对偶表示与扩张定理，以增强其在金融监管中的广泛适用性。
• 利用格论工具（如带、带投影与序收敛）表征剩余不变接受集的结构。
• 处理缺乏主导概率测度的鲁棒模型空间，其中经典拓扑技术不适用。
• 阐明剩余不变性在资本充足性与保证金要求中的金融含义，特别是在有限责任与中央清算所（CCP）情境下的影响。

提出的方法

• 通过条件形式化剩余不变性：若 min(Y,0) = min(X,0) 且 X ∈ A，则 Y ∈ A，确保可接受性仅取决于损失部分。
• 应用向量格理论——特别是序收敛、无界序收敛与带分解——来建模金融头寸。
• 利用序连续对偶空间与拓扑（σ(X, I) 与 |σ|(X, I)）推导剩余不变风险度量的对偶表示。
• 应用带投影与序完备格中的投影性质，对头寸进行分解并分析接受集。
• 通过序连续泛函，将剩余不变风险度量从理想扩展到更大的格，建立扩张定理。
• 将结果应用于典型空间（如Orlicz空间）与鲁棒模型（如无主导测度的 L^0），利用无界序收敛。

实验结果

研究问题

• RQ1 如何通过向量格理论系统地形式化并推广剩余不变性，超越特定函数空间？
• RQ2 剩余不变风险度量的对偶表示是什么？它们与序连续线性泛函有何关联？
• RQ3 在何种条件下，剩余不变风险度量可从子空间扩展到更大的向量格？
• RQ4 接受集的结构性质（如对序收敛或无界序收敛的封闭性）如何影响其剩余不变性？
• RQ5 在缺乏主导概率测度的鲁棒金融模型中，剩余不变性具有何种含义？

主要发现

• 剩余不变接受集仅依赖于金融头寸的负部，形式化了对下行风险的关注。
• 通过序连续对偶空间推导出剩余不变风险度量的对偶表示，实现了泛函分析表征。
• 通过带投影与序连续泛函建立剩余不变风险度量的扩张定理，确保在格子空间中的一致性。
• 在具有主导概率测度的空间（如Orlicz空间）中，序收敛对应于被支配的几乎处处收敛，支持经典分析。
• 在缺乏主导测度的鲁棒模型中，无界序收敛取代了序收敛，使得在标准拓扑工具失效时仍可进行分析。
• 风险价值（VaR）的接受集是剩余不变的，而预期短缺（ES）则不是，这与监管设计中的金融直觉相符。