Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

logo del sistema bibliotecario dell'ateneo di padova

Favero, Gino (2002) Robust and adaptive strategies for shortfall risk minimization under model uncertainty. [Laurea vecchio ordinamento]

Full text disponibile come:

[img]
Preview
PDF
375Kb

Abstract

In letteratura, sono stati proposti molti modi per affrontare la situazione di informazione incompleta. Per esempio, si potrebbe decidere di scegliere la politica ottima in modo da ottenere la migliore prestazione possibile contro quello che si crede possa essere il peggior caso possibile: questo e' il cosiddetto approccio minimax (studiato, per esempio, in [1], [3], [18] o, in forma piu' generale, in [4], [16]). In alternativa, si potrebbe cercare di formulare il modello in modo da dare agli elementi incerti una struttura di elementi aleatori su un opportuno spazio di probabilita', aggiornandone la distribuzione a mano a mano che con il passare del tempo aumenta la quantita' di informazioni sul loro conto: questo e' il cosiddetto approccio bayesiano (si veda, per esempio, [17]). Un altro possibile modo per prendere in considerazione l’incertezza e' il cosiddetto approccio robusto (si vedano, per esempio, [2], [10], [11], [12]), che `e quello esaminato nella presente tesi. L’idea e' quella di includere il problema stocastico controllato (P) con cui si ha a che fare in una classe Q di problemi e di dimostrare che la politica ottima Q per un particolare problema (Q) in questa classe da', in qualche senso, risultati accettabili quando viene usata per controllare qualsiasi altro sistema in Q e, in particolare, anche il “vero” sistema (P) (il problema (Q), in letteratura, e' chiamato “problema nominale” o, talvolta “approssimante”). In sostanza, si stima per ogni problema (R) 2 Q la differenza tra il valore ottimo del problema (R) e il valore che si ottiene quando (R) e' controllato con la strategia <pi>Q; si definisce poi l’indice di robustezza come l’estremo superiore di tutte queste differenze. Lo scopo dell’approccio robusto e' allora quello di ottenere una disuguaglianza di robustezza, cioe' una quantita' della classe Q: questa quantita' e' allora anche un limite superiore della prestazione che si ottiene usando il controllo <pi>Q nel problema (P). Si noti che l’approccio robusto pu`o essere utilizzato anche quando una formulazione “completa” del modello, cioe' una formulazione che prenda in considerazione tutti gli aspetti del modello stesso, risultasse intrattabile dal punto di vista teorico o computazionale.

Item Type:Laurea vecchio ordinamento
Corsi di Laurea vecchio ordinamento:Facoltà di Scienze MM. FF. NN. > DU Matematica
Additional Information:Dottorato di Ricerca in Matematica , Ciclo XIII
Subjects:Area 01 - Scienze matematiche e informatiche > MAT/06 Probabilità e statistica matematica
Codice ID:272
Relatore:Runggaldier, Wolfgang
Data della tesi:2002
Biblioteca:Polo di Scienze > Biblioteca del Seminario Matematico
Tipo di fruizione per il documento:on-line per i full-text
Tesi sperimentale (Si) o compilativa (No)?:No

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione e non da noi.

[1] J. Cvitani’´c, I. Karatzas, On dynamic measures of risk, Finance & Stochastics 3(4), 451-482 (1999). Cerca con Google

[2] P. Dupuis, M. R. James, I. Petersen, Robust properties of risk-sensitive control, Math. Control, Systems & Signals 13, 318-332 (2000). Cerca con Google

[3] P. Dai Pra, L. Meneghini, W. J. Runggaldier, Explicit Solutions for multivariate, discrete-time control problems under model uncertainty, Systems & Control Letters 34, 169-176 (1998). Cerca con Google

[4] P. Dai Pra, C. Rudari, W. J. Runggaldier, On dynamic programming for sequential decision problems under a general form of uncertainty, Math. Meth. Oper. Res. 45, 81-107 (1997). Cerca con Google

[5] G. Favero, Shortfall risk minimization under model uncertainty in the binomial case: adaptive and robust approaches, Math. Meth. Oper. Res. 53, 493-503 (2001). Cerca con Google

[6] G. Favero, W. J. Runggaldier, A Robustness Result for Stochastic Control, 39th IEEE Conference on Decision and Control proceedings, “short paper” n. 1024 (vol. 1, 3349-3350), Sydney (2000). Also Università di Padova, Dipartimento di Matematica Pura e Applicata, Preprint n. 21 (2000). Cerca con Google

[7] G. Favero, T. Vargiolu, Shortfall risk minimization in the binomial model (temporary title), work in progress. Cerca con Google

[8] H. F’¨ollmer, P. Leukert, Efficient hedging: cost versus shortfall risk, Finance and Stoch. 4, 117-146 (2000). Cerca con Google

[9] W. H. Fleming, R. W. Rishel, Deterministic and Stochastic Optimal Control, Springer-Verlag, New York (1975). Cerca con Google

[10] E. Gordienko, E. Lemus-Rodr’´Ä±guez, Estimation of robustness for controlled diffusion processes, Stoch. Anal. and Appl. 17 (3), 421-441 (1999). Cerca con Google

[11] E. Gordienko, F. S. Salem, Robustness inequality for Markov control processes with unbounded cost, Systems & Control Letters 33, 125-130 (1998). Cerca con Google

[12] E. Gordienko, F. S. Salem, Estimates of stability of Markov control processes with unbounded cost, Kybernetica 36 (2), 195-210 (2000). Cerca con Google

[13] K. Hinderer, Foundations of Non-stationary Dynamic Programming with Discrete Time Parameter, Springer-Verlag, Berlin, Heidelberg (1970). Cerca con Google

[14] L. Lazrieva, T. Toronjadze, Stochastic volatility model with small randomness. Robust parameter estimate and hedging, A. Razmadze Mathematical Institute of Georgian Academy of Sciences and Caucasus School of business, report LT-001 (2001). Cerca con Google

[15] M. Musiela, M. Rutkowski, Martingale Methods in Financial Modelling, Springer-Verlag, Berlin (1997). Cerca con Google

[16] W. J. Runggaldier, Concepts and methods for discrete and continuous time control under uncertainty, Insurance: Math. and Econ. 22, 25-39 (1998). Cerca con Google

[17] W. J. Runggaldier, B. Trivellato, T. Vargiolu, A Bayesian Adaptive Control Approach to Risk Management in a Binomial Model, to appear in the Proceedings of the Ascona ’99 Seminar on Stochastic Analysis, Random Fields and Applications, Birkhauser (2001). Cerca con Google

[18] D. Talay, Z. Zheng, Worst case model risk management, INRIA internal report (2001). Cerca con Google

Solo per lo Staff dell Archivio: Modifica questo record