Wyniki wyszukiwania - BazEkon

Ograniczanie wyników

3 Trzpiot G.

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Odwrotna przewaga stochastyczna

Sortuj według:

Ogranicz wyniki do:

Multivalued Stop-loss Stochastic Dominance Test

100%

Trzpiot G.

Acta Universitatis Lodziensis. Folia Oeconomica

2000

152 Applications of Multivariate Statistical Analysis

83-92

Testy przewagi stochastycznej mogą być użyte do pomocy osobom podejmującym decyzje w porządkowaniu niepewnych alternatyw. Testy zawierają specyfikę alternatyw prawdopodobieństwa dystrybucji i założenie funkcji użyteczności osoby podejmującej decyzje. Z takimi przypuszczeniami, alternatywy decyzyjne mogą być podzielone na klasy przez przewagę stochstyczną lub odwrotność przewagi stochstycznej (stop-loss dominance). Praca ta podaje utożsamiające tą klasę alternatyw w przypadku wielowartościowego prawdopodobieństwa dystrybucji. (AŁ)

Odwrotne dominacje stochastyczne a teoria mierzalnych funkcji użyteczności

75%

Trzpiot G.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

2003

nr 29 Metody wnioskowania statystycznego w badaniach ekonomicznych

149-157

W pracy wykazano, że dwa kryteria (względem mierzalnych funkcji użyteczności i dominacji stochastycznych), brane pod uwagę w porządkowaniu dystrubuant niepewnych projektów inwestycyjnych, porządkują ten zbiór dokładnie tak samo. Pozwala to zatem na wyłączenie pewnych rozkładów prawdopodobieństwa z procesu maksymalizacji oczekiwanej użyteczności.

R&D Portfolio Selection Based on Conditional Stochastic Dominance

63%

Trzpiot G.

FindEcon Monograph Series : advances in financial market analysis

2006

nr 1 Financial markets : principles of modeling forecasting and decision-making

129-139

The main goal of this chapter is to answer the questions how to analyze an existing research and development (R&D) portfolio in order to make decisions as to whether to add projects or remove projects from the existing set. This problem was considered recently by Graves and Ringuest (1996) who used a specific risk-averse utility function to demonstrate the necessity for considering new projects in the context of the existing portfolio. Their work shows the importance of portfolio context to evaluating R&D projects, but the need for explicit knowledge of the decision maker's utility function makes their approach impractical. Shalit and Yitzhaki (1994) however, have developed an analysis of stock portfolios which requires no knowledge of the decision-maker's utility function; they use conditional stochastic dominance to analyze the investor's decisions about an existing securities portfolio and show that a risk-averse investor should take into account the contents of an existing portfolio when deciding to add or remove a stock. In this chapter, we will apply this methodology to R&D portfolio. Shalit and Yitzhaki use historical market data to construct empirical probability distributions of returns for portfolio. Analogous empirical data are not available for R&D portfolios and it is impractical to analytically generate probability distributions of large portfolios. Therefore, we can use a simulation to construct probability distributions on R&D portfolio returns. (fragment of text)