rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Misure convesse di rischio e
dinamiche delle loro funzioni di penalità
Teoria assiomatica ed applicazioni
Candidato:Marco Tarsia Relatore:Maurizio Pratelli
Matricola 454761 Controrelatore:Marco Romito
Università degli Studi di Pisa – Dipartimento di Matematica Corso di Laurea Magistrale in Matematica Tesi di Laurea Magistrale in Finanza Matematica
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio I tre capitoli
1 Teoria assiomatica delle misure convesse di rischio
2 Esempi notevoli di misure convesse di rischio
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Immaginiamo di lavorare all’interno di un determinato modello matematico multi-periodale di mercato finanziario. . .
Fissiamo dunque uno spazio di probabilità (Ω, F , P) ed un sottospazio lineare reale X di L0(P) ≡ L0((Ω, F , P); R).
Definizione (Scenario e posizioni)
Chiamiamo spazio degli scenari, o più brevementescenario, lo spazio di probabilità (Ω, F , P). Chiamiamo posizione finanziaria, o semplicementeposizione, ogni generica v.a.r. X ∈ L0(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Immaginiamo di lavorare all’interno di un determinato modello matematico multi-periodale di mercato finanziario. . .
Fissiamo dunque uno spazio di probabilità (Ω, F , P) ed un sottospazio lineare reale X di L0(P) ≡ L0((Ω, F , P); R).
Definizione (Scenario e posizioni)
Chiamiamo spazio degli scenari, o più brevementescenario, lo spazio di probabilità (Ω, F , P). Chiamiamo posizione finanziaria, o semplicementeposizione, ogni generica v.a.r. X ∈ L0(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Immaginiamo di lavorare all’interno di un determinato modello matematico multi-periodale di mercato finanziario. . .
Fissiamo dunque uno spazio di probabilità (Ω, F , P) ed un sottospazio lineare reale X di L0(P) ≡ L0((Ω, F , P); R).
Definizione (Scenario e posizioni)
Chiamiamo spazio degli scenari, o più brevementescenario, lo spazio di probabilità (Ω, F , P). Chiamiamo posizione finanziaria, o semplicementeposizione, ogni generica v.a.r. X ∈ L0(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa di rischio; rischio di una posizione)
Chiamiamomisura convessa di rischio su X ogni mappa ρ : X → R la quale verifichi le tre seguenti proprietà.
1 Monotonìa: ∀ X , Y ∈ X , se X ≥ Y allora ρ(X ) ≤ ρ(Y ). 2 Invarianza per traslazioni: ∀ X ∈ X e ∀ k ∈ R,
ρ(X + k) = ρ(X ) − k.
3 Convessità: ∀ X , Y ∈ X e ∀ λ ∈ ]0, 1[,
ρ(λX + (1 − λ)Y ) ≤ λρ(X ) + (1 − λ)ρ(Y ).
Chiamiamomisura convessa di rischiouna misura convessa di rischio ρ su X = L∞(P). Per ogni X ∈ X , chiamiamorischio secondo ρ della posizione X lo scalare ρ(X ).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa di rischio; rischio di una posizione)
Chiamiamomisura convessa di rischio su X ogni mappa ρ : X → R la quale verifichi le tre seguenti proprietà.
1 Monotonìa: ∀ X , Y ∈ X , se X ≥ Y allora ρ(X ) ≤ ρ(Y ). 2 Invarianza per traslazioni: ∀ X ∈ X e ∀ k ∈ R,
ρ(X + k) = ρ(X ) − k.
3 Convessità: ∀ X , Y ∈ X e ∀ λ ∈ ]0, 1[,
ρ(λX + (1 − λ)Y ) ≤ λρ(X ) + (1 − λ)ρ(Y ).
Chiamiamomisura convessa di rischiouna misura convessa di rischio ρ su X = L∞(P). Per ogni X ∈ X , chiamiamorischio secondo ρ della posizione X lo scalare ρ(X ).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa di rischio; rischio di una posizione)
Chiamiamomisura convessa di rischio su X ogni mappa ρ : X → R la quale verifichi le tre seguenti proprietà.
1 Monotonìa: ∀ X , Y ∈ X , se X ≥ Y allora ρ(X ) ≤ ρ(Y ). 2 Invarianza per traslazioni: ∀ X ∈ X e ∀ k ∈ R,
ρ(X + k) = ρ(X ) − k.
3 Convessità: ∀ X , Y ∈ X e ∀ λ ∈ ]0, 1[,
ρ(λX + (1 − λ)Y ) ≤ λρ(X ) + (1 − λ)ρ(Y ).
Chiamiamomisura convessa di rischiouna misura convessa di rischio ρ su X = L∞(P). Per ogni X ∈ X , chiamiamorischio secondo ρ della posizione X lo scalare ρ(X ).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa di rischio; rischio di una posizione)
Chiamiamomisura convessa di rischio su X ogni mappa ρ : X → R la quale verifichi le tre seguenti proprietà.
1 Monotonìa: ∀ X , Y ∈ X , se X ≥ Y allora ρ(X ) ≤ ρ(Y ). 2 Invarianza per traslazioni: ∀ X ∈ X e ∀ k ∈ R,
ρ(X + k) = ρ(X ) − k.
3 Convessità: ∀ X , Y ∈ X e ∀ λ ∈ ]0, 1[,
ρ(λX + (1 − λ)Y ) ≤ λρ(X ) + (1 − λ)ρ(Y ).
Chiamiamomisura convessa di rischiouna misura convessa di rischio ρ su X = L∞(P). Per ogni X ∈ X , chiamiamorischio secondo ρ della posizione X lo scalare ρ(X ).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa di rischio; rischio di una posizione)
Chiamiamomisura convessa di rischio su X ogni mappa ρ : X → R la quale verifichi le tre seguenti proprietà.
1 Monotonìa: ∀ X , Y ∈ X , se X ≥ Y allora ρ(X ) ≤ ρ(Y ). 2 Invarianza per traslazioni: ∀ X ∈ X e ∀ k ∈ R,
ρ(X + k) = ρ(X ) − k.
3 Convessità: ∀ X , Y ∈ X e ∀ λ ∈ ]0, 1[,
ρ(λX + (1 − λ)Y ) ≤ λρ(X ) + (1 − λ)ρ(Y ).
Chiamiamomisura convessa di rischiouna misura convessa di rischio ρ su X = L∞(P). Per ogni X ∈ X , chiamiamorischio secondo ρ della posizione X lo scalare ρ(X ).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Prime proprietà Prime proprietà
Sia ρ una misura convessa di rischio su X . Allora:
1 ρ(X ) = R.
2 Per ogni k ∈ R, ρ(k) = ρ(0) − k.
3 Per ogni X ∈ X ,ρ(X ) = inf { m ∈ R | ρ(X + m) ≤ 0 }ed
è in realtà un valor minimo.
4 Per ogni X ∈ L∞(P) ∩ X , |ρ(X )| ≤ kX k∞+ |ρ(0)|. 5 Se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
6 Se Xn↑ X := supnXn in senso P-q.c. e con X ∈ X , allora
la successione scalare (ρ(Xn))n è non crescente e tale che
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa normalizzata di rischio)
Chiamiamo misura convessanormalizzata di rischio su X ogni misura convessa di rischio ρ su X per la quale risulti ρ(0) = 0.
Definizione (Misura coerente di rischio)
Chiamiamomisura coerente di rischio su X ogni misura convessa di rischio ρ ≡ ρ?su X la quale verifichi le due seguenti proprietà.
1 Positiva omogeneità: ∀ X ∈ X e ∀ λ ∈ ]0, +∞[, ρ?(λX ) = λρ?(X ).
2 Subadditività: ∀ X , Y ∈ X , ρ?(X + Y ) ≤ ρ?(X ) + ρ?(Y ).
Chiamiamomisura coerente di rischio una misura coerente di rischio ρ? su X = L∞(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa normalizzata di rischio)
Chiamiamo misura convessanormalizzata di rischio su X ogni misura convessa di rischio ρ su X per la quale risulti ρ(0) = 0.
Definizione (Misura coerente di rischio)
Chiamiamomisura coerente di rischio su X ogni misura convessa di rischio ρ ≡ ρ?su X la quale verifichi le due seguenti proprietà.
1 Positiva omogeneità: ∀ X ∈ X e ∀ λ ∈ ]0, +∞[,
ρ?(λX ) = λρ?(X ).
2 Subadditività: ∀ X , Y ∈ X , ρ?(X + Y ) ≤ ρ?(X ) + ρ?(Y ).
Chiamiamomisura coerente di rischio una misura coerente di rischio ρ? su X = L∞(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa normalizzata di rischio)
Chiamiamo misura convessanormalizzata di rischio su X ogni misura convessa di rischio ρ su X per la quale risulti ρ(0) = 0.
Definizione (Misura coerente di rischio)
Chiamiamomisura coerente di rischio su X ogni misura convessa di rischio ρ ≡ ρ?su X la quale verifichi le due seguenti proprietà.
1 Positiva omogeneità: ∀ X ∈ X e ∀ λ ∈ ]0, +∞[,
ρ?(λX ) = λρ?(X ).
2 Subadditività: ∀ X , Y ∈ X , ρ?(X + Y ) ≤ ρ?(X ) + ρ?(Y ).
Chiamiamomisura coerente di rischio una misura coerente di rischio ρ? su X = L∞(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa normalizzata di rischio)
Chiamiamo misura convessanormalizzata di rischio su X ogni misura convessa di rischio ρ su X per la quale risulti ρ(0) = 0.
Definizione (Misura coerente di rischio)
Chiamiamomisura coerente di rischio su X ogni misura convessa di rischio ρ ≡ ρ?su X la quale verifichi le due seguenti proprietà.
1 Positiva omogeneità: ∀ X ∈ X e ∀ λ ∈ ]0, +∞[,
ρ?(λX ) = λρ?(X ).
2 Subadditività: ∀ X , Y ∈ X , ρ?(X + Y ) ≤ ρ?(X ) + ρ?(Y ).
Chiamiamomisura coerente di rischio una misura coerente di rischio ρ? su X = L∞(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Misura convessa normalizzata di rischio)
Chiamiamo misura convessanormalizzata di rischio su X ogni misura convessa di rischio ρ su X per la quale risulti ρ(0) = 0.
Definizione (Misura coerente di rischio)
Chiamiamomisura coerente di rischio su X ogni misura convessa di rischio ρ ≡ ρ?su X la quale verifichi le due seguenti proprietà.
1 Positiva omogeneità: ∀ X ∈ X e ∀ λ ∈ ]0, +∞[,
ρ?(λX ) = λρ?(X ).
2 Subadditività: ∀ X , Y ∈ X , ρ?(X + Y ) ≤ ρ?(X ) + ρ?(Y ).
Chiamiamomisura coerente di rischio una misura coerente di rischio ρ? su X = L∞(P).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Prime proprietà
Sia ρ? una misura coerente di rischio su X . Allora:
1 ρ? è una misura convessa normalizzata di rischio su X . 2 ρ? è una semi-norma sullo spazio vettoriale reale X tale che,
per ogni k ∈ R, ρ?(k) = −k.
Teorema
Sia ρ? una misura coerente di rischio su tutto X = L0(P). Allora
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Prime proprietà
Sia ρ? una misura coerente di rischio su X . Allora:
1 ρ? è una misura convessa normalizzata di rischio su X . 2 ρ? è una semi-norma sullo spazio vettoriale reale X tale che,
per ogni k ∈ R, ρ?(k) = −k. Teorema
Sia ρ? una misura coerente di rischio su tutto X = L0(P). Allora
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Prime proprietà
Sia ρ? una misura coerente di rischio su X . Allora:
1 ρ? è una misura convessa normalizzata di rischio su X . 2 ρ? è una semi-norma sullo spazio vettoriale reale X tale che,
per ogni k ∈ R, ρ?(k) = −k. Teorema
Sia ρ? una misura coerente di rischio su tutto X = L0(P). Allora
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Prime proprietà
Sia ρ? una misura coerente di rischio su X . Allora:
1 ρ? è una misura convessa normalizzata di rischio su X . 2 ρ? è una semi-norma sullo spazio vettoriale reale X tale che,
per ogni k ∈ R, ρ?(k) = −k.
Teorema
Sia ρ? una misura coerente di rischio su tutto X = L0(P). Allora
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Dimostrazione del teorema.
1 Sia ρ? una misura coerente di rischio su X . Allora esiste
un’applicazione lineare F : X → R non banale e positiva.
2 Sia F : L0(P) → R un’applicazione lineare positiva. Allora F
è continua rispetto alla convergenza in probabilità P.
3 Sia (Ω, F , P) uno spazio di probabilità non atomico. Allora
lo spazio duale di L0(P) è banale, cioè L0(P)0
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Dimostrazione del teorema.
1 Sia ρ? una misura coerente di rischio su X . Allora esiste
un’applicazione lineare F : X → R non banale e positiva.
2 Sia F : L0(P) → R un’applicazione lineare positiva. Allora F
è continua rispetto alla convergenza in probabilità P.
3 Sia (Ω, F , P) uno spazio di probabilità non atomico. Allora
lo spazio duale di L0(P) è banale, cioè L0(P)0
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed un teorema
Dimostrazione del teorema.
1 Sia ρ? una misura coerente di rischio su X . Allora esiste
un’applicazione lineare F : X → R non banale e positiva.
2 Sia F : L0(P) → R un’applicazione lineare positiva. Allora F
è continua rispetto alla convergenza in probabilità P.
3 Sia (Ω, F , P) uno spazio di probabilità non atomico. Allora
lo spazio duale di L0(P) è banale, cioè L0(P)0
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Posizione accettabile; insieme di accettazione)
Sia ρ una misura convessa di rischio su X . Chiamiamoposizione accettabile secondo ρogni X ∈ X tale che risulti ρ(X ) ≤ 0 e chiamiamoinsieme di accettazione secondo ρ, denotandolo Aρ, il
sottoinsieme non vuoto di X costituito da tutte e sole le posizioni accettabili secondo ρ: in simboli,
Aρdef= { X ∈ X | ρ(X ) ≤ 0 }.
Osservazione
Una misura convessa di rischio è caratterizzata dal proprio insieme di accettazione: se ρ e ρ0 sono due misure convesse di
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Definizione (Posizione accettabile; insieme di accettazione)
Sia ρ una misura convessa di rischio su X . Chiamiamoposizione accettabile secondo ρogni X ∈ X tale che risulti ρ(X ) ≤ 0 e chiamiamoinsieme di accettazione secondo ρ, denotandolo Aρ, il
sottoinsieme non vuoto di X costituito da tutte e sole le posizioni accettabili secondo ρ: in simboli,
Aρdef= { X ∈ X | ρ(X ) ≤ 0 }.
Osservazione
Una misura convessa di rischio è caratterizzata dal proprio insieme di accettazione: se ρ e ρ0 sono due misure convesse di
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Prime proprietà)
Sia ρ una misura convessa di rischio su X . Allora:
1 ∀ X ∈ X , ρ(X ) = inf { m ∈ R | X + m ∈ Aρ}. 2 ∀ X ∈ Aρ e ∀ Y ∈ X , se Y ≥ X allora Y ∈ Aρ. 3 { m ∈ R | m ∈ Aρ} = [ρ(0), +∞[.
4 Aρ è un insieme convesso.
5 Se X < L∞(P) allora, ∀ X ∈ Aρ e ∀ Y ∈ X , l’insieme
{ λ ∈ [0, 1] | λX + (1 − λ)Y ∈ Aρ} è un sottoinsieme non vuoto, chiuso e convesso di [0, 1].
Se ρ ≡ ρ? è una misura coerente di rischio su X , allora:
1 Aρ? è un cono contenente l’insieme L0+(P) ∩ X .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Dimostrazione delle prime proprietà.
Tutto elementare, ma per la quinta osservare quanto segue:
1 Per ogni X , Y ∈ X , la mappa ϕ : [0, 1] → R definita
ponendo, per ogni λ ∈ [0, 1], ϕ(λ)= ρ(λX + (1 − λ)Y ) è. convessa su tutto [0, 1] e quindi continua su tutto ]0, 1[.
2 Se X < L∞(P) allora, ∀ X , Y ∈ X , se per ogni λ ↓ 0 risulta
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Dimostrazione delle prime proprietà.
Tutto elementare, ma per la quinta osservare quanto segue:
1 Per ogni X , Y ∈ X , la mappa ϕ : [0, 1] → R definita
ponendo, per ogni λ ∈ [0, 1], ϕ(λ)= ρ(λX + (1 − λ)Y ) è. convessa su tutto [0, 1] e quindi continua su tutto ]0, 1[.
2 Se X < L∞(P) allora, ∀ X , Y ∈ X , se per ogni λ ↓ 0 risulta
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A
secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Proposizione (Una caratterizzazione)
Assumiamo che X < L∞(P) e sia A un sottoinsieme non vuoto di X . Allora A coincide con l’insieme di accettazione Aρ≡ AρA secondo una misura convessa di rischio ρ ≡ ρA su X se:
1 ∀ X ∈ A e ∀ Y ∈ X , se Y ≥ X allora Y ∈ A. 2 inf { m ∈ R | m ∈ A } > −∞.
3 A è un insieme convesso.
4 ∀ X ∈ A e ∀ Y ∈ X , { λ ∈ [0, 1] | λX + (1 − λ)Y ∈ A } è
chiuso in [0, 1].
Invece A coincide con l’insieme di accettazione Aρ?≡ Aρ? A
secondo una misura coerente di rischio ρ? ≡ ρ?
A su X se inoltre: 1 A è un cono.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Dimostrazione della caratterizzazione.
Definire la mappa ρA: X → R ≡ [−∞, +∞] ponendo ρA(X )def= inf { m ∈ R | X + m ∈ A }, X ∈ X , (dove per convenzione inf ∅ ≡ +∞).
Osservazione
La mappa ρA così definita resta una misura convessa di rischio
su X anche se A non verifica la quarta proprietà della precedente proposizione, ma in tal caso vale soltantoA ⊆ AρA o meglio
\
c∈]0,+∞[
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Prime proprietà ed una caratterizzazione
Dimostrazione della caratterizzazione.
Definire la mappa ρA: X → R ≡ [−∞, +∞] ponendo ρA(X )def= inf { m ∈ R | X + m ∈ A }, X ∈ X , (dove per convenzione inf ∅ ≡ +∞).
Osservazione
La mappa ρA così definita resta una misura convessa di rischio
su X anche se A non verifica la quarta proprietà della precedente proposizione, ma in tal caso vale soltantoA ⊆ AρA o meglio
\
c∈]0,+∞[
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Sia ρ una misura convessa di rischio su X e ricordiamo che, se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
Definizione (Proprietà di Fatou)
Diciamo che ρ possiede laproprietà di Fatou nel caso che valga la seguente condizione: se Xn↓ X := infnXn in senso P-q.c. e con
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Sia ρ una misura convessa di rischio su X e ricordiamo che, se Xn↓ X := infnXn in senso P-q.c. e con X ∈ X , allora la
successione scalare (ρ(Xn))n è non decrescente e tale che
supnρ(Xn) ≤ ρ(X ).
Definizione (Proprietà di Fatou)
Diciamo che ρ possiede laproprietà di Fatou nel caso che valga la seguente condizione: se Xn↓ X := infnXn in senso P-q.c. e con
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione Osservazione
Sia ρ una misura convessa di rischio su X . Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se Xn→ X ∈ X in senso P-q.c. e con supk≥nXk ∈ X per
ogni n, allora ρ(X ) ≤ lim infnρ(Xn).
2 Se Xn∈ Aρ e Xn→ X ∈ X in senso P-q.c. e con
supk≥nXk ∈ X , allora X ∈ Aρ.
Nota
Una misura coerente di rischio ρ ≡ ρ? su X possiede la proprietà di Fatou se vale la seguente condizione: se Xn↑ X := supnXn in
senso P-q.c. e con X ∈ X , allora la successione scalare (ρ(Xn))n
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione Osservazione
Sia ρ una misura convessa di rischio su X . Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se Xn→ X ∈ X in senso P-q.c. e con supk≥nXk ∈ X per
ogni n, allora ρ(X ) ≤ lim infnρ(Xn).
2 Se Xn∈ Aρ e Xn→ X ∈ X in senso P-q.c. e con
supk≥nXk ∈ X , allora X ∈ Aρ. Nota
Una misura coerente di rischio ρ ≡ ρ? su X possiede la proprietà di Fatou se vale la seguente condizione: se Xn↑ X := supnXn in
senso P-q.c. e con X ∈ X , allora la successione scalare (ρ(Xn))n
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione Osservazione
Sia ρ una misura convessa di rischio su X . Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se Xn→ X ∈ X in senso P-q.c. e con supk≥nXk ∈ X per
ogni n, allora ρ(X ) ≤ lim infnρ(Xn).
2 Se Xn∈ Aρ e Xn→ X ∈ X in senso P-q.c. e con
supk≥nXk ∈ X , allora X ∈ Aρ. Nota
Una misura coerente di rischio ρ ≡ ρ? su X possiede la proprietà di Fatou se vale la seguente condizione: se Xn↑ X := supnXn in
senso P-q.c. e con X ∈ X , allora la successione scalare (ρ(Xn))n
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione Osservazione
Sia ρ una misura convessa di rischio su X . Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se Xn→ X ∈ X in senso P-q.c. e con supk≥nXk ∈ X per
ogni n, allora ρ(X ) ≤ lim infnρ(Xn).
2 Se Xn∈ Aρ e Xn→ X ∈ X in senso P-q.c. e con
supk≥nXk ∈ X , allora X ∈ Aρ.
Nota
Una misura coerente di rischio ρ ≡ ρ? su X possiede la proprietà di Fatou se vale la seguente condizione: se Xn↑ X := supnXn in
senso P-q.c. e con X ∈ X , allora la successione scalare (ρ(Xn))n
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Assumiamo che X = L∞(P). Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se (Xn)n è equi-limitata e Xn↓ X := infnXnin senso
P-q.c., allora ρ(X ) ≤ supnρ(Xn). 2 Se Xn→ X ∈ L∞(P) in senso P-q.c., allora ρ(X ) ≤ lim infnρ(Xn). 3 Se Xn∈ Aρ e Xn→ X ∈ L∞(P) in senso P-q.c., allora X ∈ Aρ. Proposizione
Supponiamo che L1(P) sia uno spazioseparabile. Assumiamo che X = L∞(P) e sia ρ una misura convessa di rischio. Allora ρ possiede la proprietà di Fatou se e solo se l’insieme di accettazione Aρsecondo ρ è σ(L∞(P), L1(P))-chiuso.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Assumiamo che X = L∞(P). Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se (Xn)n è equi-limitata e Xn↓ X := infnXnin senso
P-q.c., allora ρ(X ) ≤ supnρ(Xn). 2 Se Xn→ X ∈ L∞(P) in senso P-q.c., allora ρ(X ) ≤ lim infnρ(Xn). 3 Se Xn∈ Aρ e Xn→ X ∈ L∞(P) in senso P-q.c., allora X ∈ Aρ. Proposizione
Supponiamo che L1(P) sia uno spazioseparabile. Assumiamo che X = L∞(P) e sia ρ una misura convessa di rischio. Allora ρ possiede la proprietà di Fatou se e solo se l’insieme di accettazione Aρsecondo ρ è σ(L∞(P), L1(P))-chiuso.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Assumiamo che X = L∞(P). Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se (Xn)n è equi-limitata e Xn↓ X := infnXnin senso
P-q.c., allora ρ(X ) ≤ supnρ(Xn). 2 Se Xn→ X ∈ L∞(P) in senso P-q.c., allora ρ(X ) ≤ lim infnρ(Xn). 3 Se Xn∈ Aρ e Xn→ X ∈ L∞(P) in senso P-q.c., allora X ∈ Aρ. Proposizione
Supponiamo che L1(P) sia uno spazioseparabile. Assumiamo che X = L∞(P) e sia ρ una misura convessa di rischio. Allora ρ possiede la proprietà di Fatou se e solo se l’insieme di accettazione Aρsecondo ρ è σ(L∞(P), L1(P))-chiuso.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Assumiamo che X = L∞(P). Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se (Xn)n è equi-limitata e Xn↓ X := infnXnin senso
P-q.c., allora ρ(X ) ≤ supnρ(Xn). 2 Se Xn→ X ∈ L∞(P) in senso P-q.c., allora ρ(X ) ≤ lim infnρ(Xn). 3 Se Xn∈ Aρ e Xn→ X ∈ L∞(P) in senso P-q.c., allora X ∈ Aρ. Proposizione
Supponiamo che L1(P) sia uno spazioseparabile. Assumiamo che X = L∞(P) e sia ρ una misura convessa di rischio. Allora ρ possiede la proprietà di Fatou se e solo se l’insieme di accettazione Aρsecondo ρ è σ(L∞(P), L1(P))-chiuso.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Assumiamo che X = L∞(P). Allora ρ possiede la proprietà di Fatou se e solo se vale una delle seguenti condizioni:
1 Se (Xn)n è equi-limitata e Xn↓ X := infnXnin senso
P-q.c., allora ρ(X ) ≤ supnρ(Xn). 2 Se Xn→ X ∈ L∞(P) in senso P-q.c., allora ρ(X ) ≤ lim infnρ(Xn). 3 Se Xn∈ Aρ e Xn→ X ∈ L∞(P) in senso P-q.c., allora X ∈ Aρ. Proposizione
Supponiamo che L1(P) sia uno spazioseparabile. Assumiamo che X = L∞(P) e sia ρ una misura convessa di rischio. Allora ρ possiede la proprietà di Fatou se e solo se l’insieme di accettazione Aρsecondo ρ è σ(L∞(P), L1(P))-chiuso.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Per la dimostrazione della proposizione basta tener conto del seguente risultato di analisi funzionale.
Lemma (di Grothendieck)
Supponiamo che L1(P) sia uno spazio separabile. Per ogni
R ∈ ]0, +∞[, sia BR la palla chiusa di centro zero e di raggio R in L∞(P). Allora ogni dato sottoinsieme convesso C di L∞(P) è σ(L∞(P), L1(P))-chiuso se e solo se, per ogni R ∈ ]0, +∞[, C ∩ BR è chiuso rispetto alla convergenza in probabilità P, ovvero alla convergenza P-quasi certa.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Qualche osservazione
Per la dimostrazione della proposizione basta tener conto del seguente risultato di analisi funzionale.
Lemma (di Grothendieck)
Supponiamo che L1(P) sia uno spazio separabile. Per ogni
R ∈ ]0, +∞[, sia BR la palla chiusa di centro zero e di raggio R in L∞(P). Allora ogni dato sottoinsieme convesso C di L∞(P) è σ(L∞(P), L1(P))-chiuso se e solo se, per ogni R ∈ ]0, +∞[, C ∩ BR è chiuso rispetto alla convergenza in probabilità P, ovvero alla convergenza P-quasi certa.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Un esempio elementare Un esempio elementare
Fissiamo ¯X ∈ L∞(P) e consideriamo quindi il sottospazio uno-dimensionale X ≡ XX¯ di L∞(P) dato da X =. a ¯X + b a, b ∈ R . Allora la mappa ρ? ≡ ρ? ¯ X: X → R definita ponendo ρ?(a ¯X + b)= −a E. P[ ¯X ] − b, a, b ∈ R,
è una misura coerente di rischio su X che possiede la proprietà di Fatou perché ρ?(a ¯X + b) = − EP[a ¯
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Due proprietà d’invarianza
Proposizione
1 Sia ρ una misura convessa di rischio su X . Allora, per ogni
c ∈ R, la mappa ρ + c resta una misura convessa di rischio su X con Aρ+c = Aρ+ c. Se ρ possiede la proprietà di
Fatou, allora anche ρ + c possiede la proprietà di Fatou.
2 Sia I 6= ∅ e sia (ρi)i ∈I una famiglia di misure convesse di
rischio su X tale che, per ogni X ∈ X , supi ∈Iρi(X ) < +∞.
Allora la mappa supi ∈Iρi resta una misura convessa di
rischio su X conAsupi ∈Iρi = ∩i ∈IAρi. Se, per ogni i ∈ I,
ρi ≡ ρ?i è una misura coerente di rischio su X , allora
supi ∈Iρi ≡ supi ∈Iρ?i resta una misura coerente di rischio
su X . Se, per ogni i ∈ I, ρi possiede la proprietà di Fatou,
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Due proprietà d’invarianza
Proposizione
1 Sia ρ una misura convessa di rischio su X . Allora, per ogni
c ∈ R, la mappa ρ + c resta una misura convessa di rischio su X con Aρ+c = Aρ+ c. Se ρ possiede la proprietà di
Fatou, allora anche ρ + c possiede la proprietà di Fatou.
2 Sia I 6= ∅ e sia (ρi)i ∈I una famiglia di misure convesse di
rischio su X tale che, per ogni X ∈ X , supi ∈Iρi(X ) < +∞.
Allora la mappa supi ∈Iρi resta una misura convessa di
rischio su X conAsupi ∈Iρi = ∩i ∈IAρi. Se, per ogni i ∈ I,
ρi ≡ ρ?i è una misura coerente di rischio su X , allora
supi ∈Iρi ≡ supi ∈Iρ?i resta una misura coerente di rischio
su X . Se, per ogni i ∈ I, ρi possiede la proprietà di Fatou,
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Adottiamo la seguente notazione insiemistica:
P ≡ PP def = { Q << P } ∼= n Z ∈ L1+(P) E P[Z ] = 1o.
Definizione (Funzione di penalità)
Chiamiamofunzione di penalità(o di penalizzazione) ogni mappa α : P → ]−∞, +∞] con infQ<<Pα(Q) ∈ R, o la quale cioè non
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio La definizione
Adottiamo la seguente notazione insiemistica:
P ≡ PP def = { Q << P } ∼= n Z ∈ L1+(P) E P[Z ] = 1o.
Definizione (Funzione di penalità)
Chiamiamofunzione di penalità(o di penalizzazione) ogni mappa α : P → ]−∞, +∞] con infQ<<Pα(Q) ∈ R, o la quale cioè non
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari Osservazione
Sia α : P → ]−∞, +∞] una funzione di penalità. Allora la mappa ρα: L∞(P) → R definita ponendo, per ogni X ∈ L∞(P),
ρα(X ) def = sup Q<<P α(Q)<+∞ n EQ[−X ] − α(Q)o
è una misura convessa di rischio la quale possiede la proprietà di Fatou e tale che
Aρα = \ Q<<P α(Q)<+∞ n X ∈ L∞(P) E Q[−X ] − α(Q) ≤ 0o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari Proposizione
Sia ρ una misura convessa di rischio ed assumiamo che l’insieme di accettazione Aρsecondo ρ sia σ(L∞(P), L1(P))-chiuso. Allora
la mappa αρ: P → ]−∞, +∞] definita ponendo αρ(Q)def= sup
Y ∈Aρ
EQ[−Y ], Q∈ P,
è una funzione di penalità ed inoltre vale la seguente uguaglianza: Aρ= \ Q<<P αρ(Q)<+∞ n X ∈ L∞(P) E Q[−X ] − α ρ(Q) ≤ 0 o .
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari
Dimostrazione della proposizione.
1 Vale infQ<<Pαρ(Q) = −ρ(0).
2 Per ogni X ∈ L∞(P) \ Aρ, esiste una probabilità Q ∈ P
tale che EQ[X ] < infY ∈AρE
Q[Y ] (in virtù del teorema di
Hahn-Banachper L∞(P) in forma geometrica). Osservazione 1 Per ogni Q ∈ P, αρ(Q) = sup X ∈L∞(P) n EQ[−X ] − ρ(X )o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari
Dimostrazione della proposizione.
1 Vale infQ<<Pαρ(Q) = −ρ(0).
2 Per ogni X ∈ L∞(P) \ Aρ, esiste una probabilità Q ∈ P
tale che EQ[X ] < infY ∈AρE
Q[Y ] (in virtù del teorema di Hahn-Banachper L∞(P) in forma geometrica).
Osservazione 1 Per ogni Q ∈ P, αρ(Q) = sup X ∈L∞(P) n EQ[−X ] − ρ(X )o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari
Dimostrazione della proposizione.
1 Vale infQ<<Pαρ(Q) = −ρ(0).
2 Per ogni X ∈ L∞(P) \ Aρ, esiste una probabilità Q ∈ P
tale che EQ[X ] < infY ∈AρE
Q[Y ] (in virtù del teorema di Hahn-Banachper L∞(P) in forma geometrica).
Osservazione 1 Per ogni Q ∈ P, αρ(Q) = sup X ∈L∞(P) n EQ[−X ] − ρ(X )o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari
Dimostrazione della proposizione.
1 Vale infQ<<Pαρ(Q) = −ρ(0).
2 Per ogni X ∈ L∞(P) \ Aρ, esiste una probabilità Q ∈ P
tale che EQ[X ] < infY ∈AρE
Q[Y ] (in virtù del teorema di Hahn-Banachper L∞(P) in forma geometrica).
Osservazione 1 Per ogni Q ∈ P, αρ(Q) = sup X ∈L∞(P) n EQ[−X ] − ρ(X )o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Risultati preliminari
Dimostrazione della proposizione.
1 Vale infQ<<Pαρ(Q) = −ρ(0).
2 Per ogni X ∈ L∞(P) \ Aρ, esiste una probabilità Q ∈ P
tale che EQ[X ] < infY ∈AρE
Q[Y ] (in virtù del teorema di Hahn-Banachper L∞(P) in forma geometrica).
Osservazione 1 Per ogni Q ∈ P, αρ(Q) = sup X ∈L∞(P) n EQ[−X ] − ρ(X )o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Teorema (di rappresentazione delle misure convesse di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ una misura convessa di rischio. Allora sono equivalenti :
1 ρ possiede la proprietà di Fatou.
2 Aρ è σ(L∞(P), L1(P))-chiuso.
3 Esiste una funzione di penalità α tale che valga la seguente
formula di rappresentazione per ρ: per ogni X ∈ L∞(P), ρ(X ) = sup
Q<<P α(Q)<+∞
n
EQ[−X ] − α(Q)o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Teorema (di rappresentazione delle misure convesse di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ una misura convessa di rischio. Allora sono equivalenti :
1 ρ possiede la proprietà di Fatou.
2 Aρ è σ(L∞(P), L1(P))-chiuso.
3 Esiste una funzione di penalità α tale che valga la seguente
formula di rappresentazione per ρ: per ogni X ∈ L∞(P), ρ(X ) = sup
Q<<P α(Q)<+∞
n
EQ[−X ] − α(Q)o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Teorema (di rappresentazione delle misure convesse di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ una misura convessa di rischio. Allora sono equivalenti :
1 ρ possiede la proprietà di Fatou.
2 Aρ è σ(L∞(P), L1(P))-chiuso.
3 Esiste una funzione di penalità α tale che valga la seguente
formula di rappresentazione per ρ: per ogni X ∈ L∞(P), ρ(X ) = sup
Q<<P α(Q)<+∞
n
EQ[−X ] − α(Q)o.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Corollario (rappresentazione delle misure coerenti di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ? una misura coerente di rischio. Allora sono equivalenti :
1 ρ? possiede la proprietà di Fatou. 2 Aρ? è σ(L∞(P), L1(P))-chiuso.
3 Esiste Q ≡ Qρ? ⊆ P, Q 6= ∅, tale che valga la seguente formula di rappresentazione per ρ?: per ogni X ∈ L∞(P),
ρ?(X ) = sup
Q<<P Q∈Q
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Corollario (rappresentazione delle misure coerenti di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ? una misura coerente di rischio. Allora sono equivalenti :
1 ρ? possiede la proprietà di Fatou. 2 Aρ? è σ(L∞(P), L1(P))-chiuso.
3 Esiste Q ≡ Qρ? ⊆ P, Q 6= ∅, tale che valga la seguente formula di rappresentazione per ρ?: per ogni X ∈ L∞(P),
ρ?(X ) = sup
Q<<P Q∈Q
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Il teorema
Corollario (rappresentazione delle misure coerenti di rischio)
Supponiamo che L1(P) sia uno spazio separabile e sia ρ? una misura coerente di rischio. Allora sono equivalenti :
1 ρ? possiede la proprietà di Fatou. 2 Aρ? è σ(L∞(P), L1(P))-chiuso.
3 Esiste Q ≡ Qρ? ⊆ P, Q 6= ∅, tale che valga la seguente
formula di rappresentazione per ρ?: per ogni X ∈ L∞(P), ρ?(X ) = sup
Q<<P Q∈Q
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Considerazioni finali Osservazione
Supponiamo che L1(P) sia uno spazio separabile. Sia I 6= ∅ e sia
(ρi)i ∈I una famiglia di misure convesse di rischio che possiedono
la proprietà di Fatou e tale che, per ogni X ∈ L∞(P),
supi ∈Iρi(X ) < +∞ ed inoltre, per ogni i ∈ I, sia quindi αi una
funzione di penalità tale per cui valga la precedente formula di rappresentazione per ρi. Allora la mappa supi ∈Iρi è una misura
convessa di rischio che possiede la proprietà di Fatou e tale che
infi ∈Iαi sia una funzione di penalità tale per cui valga la precedente formula di rappresentazione per supi ∈Iρi stessa.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio Considerazioni finali Osservazione
Supponiamo che L1(P) sia uno spazio separabile e sia A un
sottoinsieme non vuoto di L∞(P) tale per cui la mappa ρA(X )= inf { m ∈ R | X + m ∈ A } ,. X ∈ L∞(P),
risulti nel modo già visto una misura convessa di rischio il cui insieme di accettazione AρA contiene l’insieme A. Allora, assumendo che valga una formula di rappresentazione per ρA
come la precedente, la minima funzione di penalità αρA verifica
la seguente identità: per ogni Q ∈ P, αρA(Q) ≡ sup
Y ∈AρA
EQ[−Y ] = sup X ∈A
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Definizione (Value at Risk)
Sia α ∈ ]0, 1[. Chiamiamoil Value at Risk di livello α la mappa VaRα: L0(P) → R definita ponendo, per ogni X ∈ L0(P),
VaRα(X ) def
= −qα(X )
dove qα(X ) ≡ inf { x ∈ R | P[X ≤ x ] > α } è l’α-quantile di X . Proposizione
Sia α ∈ ]0, 1[. Allora, per ogni X ∈ L∞(P), AVaRα(X )=. 1 α Z α 0 VaRt(X ) dt = 1 α Z {X ≤qα(X )} −X (ω) d P(ω).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Definizione (Value at Risk)
Sia α ∈ ]0, 1[. Chiamiamoil Value at Risk di livello α la mappa VaRα: L0(P) → R definita ponendo, per ogni X ∈ L0(P),
VaRα(X ) def
= −qα(X )
dove qα(X ) ≡ inf { x ∈ R | P[X ≤ x ] > α } è l’α-quantile di X .
Proposizione
Sia α ∈ ]0, 1[. Allora, per ogni X ∈ L∞(P), AVaRα(X )=. 1 α Z α 0 VaRt(X ) dt = 1 α Z {X ≤qα(X )} −X (ω) d P(ω).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Notiamo che, per ogni α ∈ ]0, 1[, vale α ≤ P[X ≤ qα(X )]. Definizione (Tail Conditional Expectation)
Sia α ∈ ]0, 1[. Chiamiamola Tail Conditional Expectation (o Tail Value at Risk, o Expected Shortfall)di livello αla mappa TCEα: L∞(P) → R definita ponendo, per ogni X ∈ L∞(P),
TCEα(X ) def = 1 P[X ≤ qα(X )] Z {X ≤qα(X )} −X (ω) d P(ω).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Notiamo che, per ogni α ∈ ]0, 1[, vale α ≤ P[X ≤ qα(X )].
Definizione (Tail Conditional Expectation)
Sia α ∈ ]0, 1[. Chiamiamola Tail Conditional Expectation (o Tail Value at Risk, o Expected Shortfall)di livello αla mappa TCEα: L∞(P) → R definita ponendo, per ogni X ∈ L∞(P),
TCEα(X ) def = 1 P[X ≤ qα(X )] Z {X ≤qα(X )} −X (ω) d P(ω).
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Osservazione
Sia α ∈ ]0, 1[ e consideriamo il sottoinsieme di P dato da Qα=. Q << P d Q d P ≤ 1 α P-q.c. . Allora la mappa ρ?α(X )= sup. Q<<P Q∈Qα EQ[−X ], X ∈ L∞(P),
è una misura coerente di rischio la quale possiede la proprietà di Fatou e tale che, per ogni X ∈ L∞(P),
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Proposizione
Sia α ∈ ]0, 1[. Allora, per ogni X ∈ L∞(P) con P[X ≤ qα(X )] = α,
AVaRα(X ) = TCEα(X ) = ρ?α(X ). Un esempio Fissiamo α ∈ [0.01, 0.05], (µ, σ) ∈ R×]0, +∞[ e X ∼ N (µ, σ2). Poniamo f (z) := √1 2πe − z22 e Φ(z) :=Rz −∞f (t) dt, z ∈ R, e sia quindi ϕα:= Φ−1(α). Allora “ TCEα(X ) ” = σ · f (ϕα) α − µ.
Misure convesse di rischio Marco Tarsia Teoria assiomatica delle misure convesse di rischio Esempi notevoli di misure convesse di rischio Misure convesse condizionali e dinamiche di rischio
Value at Risk e Tail Conditional Expectation
Proposizione
Sia α ∈ ]0, 1[. Allora, per ogni X ∈ L∞(P) con P[X ≤ qα(X )] = α,
AVaRα(X ) = TCEα(X ) = ρ?α(X ). Un esempio Fissiamo α ∈ [0.01, 0.05], (µ, σ) ∈ R×]0, +∞[ e X ∼ N (µ, σ2). Poniamo f (z) := √1 2πe − z22 e Φ(z) :=Rz −∞f (t) dt, z ∈ R, e sia quindi ϕα:= Φ−1(α). Allora “ TCEα(X ) ” = σ · f (ϕα) α − µ.