Valuation Reveals Uncertainty
估值揭示不确定性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究收益支付的动态稳健估值规则及其潜在模型集合。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
估值揭示不确定性
- 研究问题
- 能否从可观测的动态次线性估值规则中识别潜在的不确定性结构，并在有限估值数据下恢复与时间一致性相容的模型集合？
- 方法与思路
- 作者以跨可能模型的最坏情形期望描述稳健估值，提出不确定性恢复程序，定义其时间一致性并构造非参数估计方法。
- 材料陈述的贡献
- 摘要称估值规则包含识别潜在不确定性结构的信息，并刻画给定规则的时间一致表示及有限数据下的统计恢复方法。
- 阅读关注点
- 应核对估值规则的可观测范围、恢复结构的唯一性与等价关系、时间一致性的定义，以及有限数据估计所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验；摘要未给出识别和估计条件，不能据此断言现实不确定性总能测量。
原文摘要
This paper studies the recovery of uncertainty from dynamic sublinear valuation rules. A robust valuation assigns each payoff its worst-case expected value across plausible models under uncertainty and induces a dynamic sublinear valuation rule. While valuation rules are observable in practice, the underlying uncertainty structure is latent. First, we show that the latent uncertainty structure can be identified from an observed valuation rule and provide an explicit procedure for recovering it. Second, we develop the notion of time consistency for uncertainty structures as the uncertainty-side counterpart of time consistency in valuation. Third, we characterize all time-consistent uncertainty structures that represent a given valuation rule. Finally, we develop nonparametric estimators for recovering uncertainty from limited valuation data. These results overturn the traditional Knightian view that uncertainty is inherently non-measurable. Indeed, valuation contains sufficient information to identify, characterize, and statistically recover the uncertainty structures that generate it.