Semi-$G$-normal: a Hybrid between Normal and $G$-normal (Full Version)
半 G 正态：经典正态与 G 正态之间的混合结构（完整版本）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：摘要以概率分布和独立性理论为核心，虽联系波动模型，但未明确金融对象或波动率估计问题。
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
半 G 正态：经典正态与 G 正态之间的混合结构（完整版本）
- 研究问题
- 如何通过兼具方差不确定性与零偏度的分布结构，解释 G 正态的分布不确定性及序贯独立性与偏度的关系？
- 方法与思路
- 作者引入半 G 正态结构，研究不同独立性定义下具有该边际分布的随机向量表示，并联系状态空间波动模型。
- 材料陈述的贡献
- 摘要称施加 G 意义下的序贯独立性会产生非零偏度，并提供多类随机向量表示，作为理解经典正态与 G 正态的桥梁。
- 阅读关注点
- 应核对半 G 正态的定义、不同独立性概念及其顺序，以及随机向量表示与状态空间波动模型的对应条件。
- 阅读边界
- 这是 arXiv 预印本的完整版本，同行评审及期刊接收未经核实；摘要未给出证明或实证，不能推断金融建模效果。
原文摘要
The $G$-expectation framework is a generalization of the classical probabilistic system motivated by Knightian uncertainty, where the $G$-normal plays a central role. However, from a statistical perspective, $G$-normal distributions look quite different from the classical normal ones. For instance, its uncertainty is characterized by a set of distributions which covers not only classical normal with different variances, but additional distributions typically having non-zero skewness. The $G$-moments of $G$-normals are defined by a class of fully nonlinear PDEs called $G$-heat equations. To understand $G$-normal in a probabilistic and stochastic way that is more friendly to statisticians and practitioners, we introduce a substructure called semi-$G$-normal, which behaves like a hybrid between normal and $G$-normal: it has variance uncertainty but zero-skewness. We will show that the non-zero skewness arises when we impose the $G$-version sequential independence on the semi-$G$-normal. More importantly, we provide a series of representations of random vectors with semi-$G$-normal marginals under various types of independence. Each of these representations under a typical order of independence is closely related to a class of state-space volatility models with a common graphical structure. In short, semi-$G$-normal gives a (conceptual) transition from classical normal to $G$-normal, allowing us a better understanding of the distributional uncertainty of $G$-normal and the sequential independence.