奈特不确定性下的贝叶斯学习行为模型

摘要：

奈特不确定性和风险下的决策框架差异明显,传统风险度量模型在处理不确定性问题上表现的并不令人满意.处理奈特不确定性的主要统计决策方法可分为新古典方法、参数修正方法和贝叶斯方法.在贝叶斯框架下,可以基于学习行为构造一个融合外部环境信息和内生主观预期的模型,将期望效用最高的行为视为最优决策.贝叶斯学习行为模型在实践中能够有效的区分风险和不确定性,对于解决不确定性环境下传统风险度量模型容易低估风险和忽略极端风险的问题具有积极意义.

关键词：奈特不确定性、风险、贝叶斯方法、学习行为

分类号：O212.8;C934(概率论与数理统计)

资助基金：国家自然科学基金青年项目71401069;教育部人文社科研究青年基金项目15YJC630194;全国统计科学研究计划项目2013LY001;江西省高校人文社会科学重点研究基地项目JD1412

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页码：16-19