奈特不确定性下的贝叶斯学习行为模型

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。