关键词:
非线性期望
上概率
负相关随机变量
Rosenthal不等式
加权大数定律
Marcinkiewicz-Zygumd大数定律
Borel-Cantelli引理
中心极限定理
集值测度
模糊集值测度
摘要:
1713年,伯努利刻画了大量经验观测中所呈现的稳定性,提出了以“伯努利定理”著称的极限定理,自此以来,数学家们对于极限理论的研究已经经历了300年。19世纪后期,极限理论的发展成为了概率论研究的中心课题。俄国数学家切比雪夫、马尔科夫等将前人的极限定理进一步一般化,在极限理论方面做出了重要贡献。1933年,Kolmogorov由测度论途径提出了概率论的六条公理,为现代概率论的发展奠定了基础。公理化后的概率论得到了快速发展并在现实生活中得到广泛应用。然而,传统概率论中的大数定律、中心极限定理等经典理论均建立在概率与期望的可加性的基础之上。随着科学与社会的发展,很多不确定现象并不满足线性可加条件,因此有时经典极限理论无法合理的解释和预测这些不确定现象,从而极限理论的应用一定程度上受到了线性可加条件的限制。以金融衍生品为例,其具有较大的利润空间,同时亦拥有潜在的巨大风险。其风险行为多数不满足线性可加条件。对其风险的错误评估和管理将会导致严重的后果,小到引起某银行、金融机构或者保险公司的经济损失,大到造成国家乃至全球的金融危机。因此,如何更加合理、准确的管理金融衍生品的风险,成为金融业界以及学术界需要考虑的重要问题。这之中存在的挑战性问题即为:金融衍生品的风险行为一般是非线性的。因此经典概率论中的概率与期望的可加性在此并不适用。学者进而寻求更加贴切的度量方法,试图应用非线性的数学理论来准确刻画风险。目前对于精确的度量方法的研究仍处于起步阶段,各种非线性的概率/期望理论尚处于建设之中,这就激发了我们对其进行进一步探索与研究的兴趣。自Delbaen[41、Artzner与Delbaen[3]提出一致风险度量以来,学者们开始广泛关注非线性概率的研究。Pardoux与Peng[70]给出了倒向随机微分方程(BSDE):的解的存在唯一性等性质,并于1997年[73]基于BSDE提出了非线性的g-期望以及g-条件期望。Gianin[53]发现了风险测度与9-期望之间的关系,并给出了分别由g-期望以及g-条件期望定义的静态风险测度与动态风险测度的相关性质。Coquet等人[9]与Chen等人[30]研究了g=μ|z|这种特殊的生成元所对应的g-期望εμ的性质,Gianin[53]进一步研究了由9-期望εμ诱导的风险测度的性质,并给出了生成元g在风险测度中的金融学解释。另外,Chen与Epstein[31]于2002年发现了动态多先验资产定价理论与g-期望理论之间的联系,其得到的资产定价公式被称为Chen-Epstein公式的。该成果发展了诺贝尔奖得主Lucas的理性预期资产定价理论,同时发现并证明了资产因素价格是系统价格与不确定性价格之和,进而解释了Allais悖论和股票溢价之谜。这些成果在经济、数学和金融监管界产生了深远影响。可见,非线性的g-期望是一个很好的描述风险行为的理论工具。另外,Peng[75]提出了更为一般化的次线性期望空间的定义。次线性期望不依赖于相应的概率,可以直接通过满足单调性、保常性、次可加性以及正齐性的实值泛函来定义。结合偏微分方程的理论,在该次线性期望框架下Peng给出了最大分布、G-正态分布、G-布朗运动等概念,[44,75,78,80]等文献证明了次线性期望下的大数定律、中心极限定理、Ito公式、G-BSDE等一系列结论,建立了一套比较完整的理论体系。Gong等人[107,108]将其理论应用于风险价值VaR、审慎性风险监管的研究之中,给出了R-VaR和R-ES指标,为解决涵纳不确定性的审慎风险管理提供了开拓性的理论与实证支持。与非线性期望理论相呼应的即为非线性概率(容度)理论。在经典的概率论中,期望与概率是相互唯一确定的,但是在非线性期望下二者不再存在一一对应的关系。由给定的非线性期望可唯一确定非线性概率,但是反之并不成立,具体说明见第一章第一节。因此,非线性期望理论与非线性概率理论是两个相关但不相同的理论体系。Choquet[11]于1954年提出容度的概念。容度可被理解为非线性概率,根据该容度其给出了Choquet期望的定义。由不同性质的容度可以得到相应的不同性质的Choquet期望,许多经典概率论下的重要结论在容度框架下得到了推广(例如[35,67,94])。不同于经典概率论中对于单一固定概率的研究,Chen等人[28,29,36]研究了对于一族概率测度取最大值所定义的上概率所具有的性质与意义,其得到了“上概率下的强大数定律”,即样本均值将收敛到由随机变量上-下均值构成的区间内,而不再是经典概率论中的收敛到一点。受以上学者成果的启发,本文旨在进一步研究各种非线性概率和期望下的极限定理,推广前人的成果,希望其可以进一步完善非线性概率论的理论体系,并将其更为合理广泛的运用到实际当中。本文共分为六章,其结构及得到的主要