|
其他的则分别遵循g的连续性和u的Lebesgue连续性。备注7.11。这些性质表征了fu,gas在X上的偏差度量∩ K∞. 这加强了我们正在寻找“估计值”{ρQ(X)=Rρ(FX,Q),Q之间的可变性或离散度的解释∈ 一} 对于给定的X∈ L∞. 当然,这种推理可以外推到风险度量之外的其他概率功能主义者。从fu的性质出发,gwe直接推导出Mu,g的性质。nest推论揭示了这些结果。推论7.12。设ρI={ρQ:L∞→ R、 Q∈ 一} 是基于概率的风险度量和MU,g:L∞→ R+定义见(7.8)。那么我们有如下结果:(i)如果我是单态,那么μ,g(X)=0, 十、∈ L∞.(ii)如果ρIis组成具有平移不变性的风险度量s,那么Mu,gpossessesTranslation insensitivity。(iii)如果ρIis由具有平移不变性的风险度量组成,对于非常数R,g凸和内射,u(R)>fu(R),则Mu,g(C)=0, C∈ 对于任何X,R和Mu,g(X)>0∈ L∞ρW C(X)- ρBC(X)>0。(iv)如果ρI、u和g的成员具有正同质性,那么Mu、g也具有正同质性。(v)如果ρIis组成为法律不变性风险度量,那么Mu、gposses具有法律不变性。(vi)如果ρIis作为共单调风险测度与g和u一起构成可加性,则具有共单调可加性。(vii)如果g(x)≤ |x |, x个∈ R、 然后Mu,g(X)≤ ρW C(X)- ρu(X), 十、∈ L∞.(viii)如果ρIis由点态有界风险测度组成,该测度具有从上、下、Fatou或Lebesgue连续的任何性质,g是连续的,u是Lebesgue连续的,则也进行Mu,g证明。这些权利要求直接来自命题3.5、3.9和7.10。备注7.13。Mu,g(X)的值越大,因为对于合适的g和u选择,I越大。
|