最大数学期望的几个重要性质

最大数学期望与g-期望一样都是非线性的,这两种非线性的数学期望之间存在某些联系. 通过g-期望的性质或最大数学期望的定义得到了最大数学期望的某些重要性质.     

具有共单调可加性的g-期望的一些性质

研究了具有共单调可加性的g-期望的一些性质，特别地，证明了如果g-期望具有共单调可加性，那么生成元g必然是正齐次的，且基于g-期望的Jensen不等式关于单调增加的凸函数成立．     

g-期望的Jensen不等式及其应用

分别在g关于z是凸函数、凹函数和分段线性的情况下证明了g-期望的条件Jensen不等式,并得到g-期望关于常数项的线性性质.最后,运用g-期望和Jensen不等式定义了g-EU效用模型以及不确定厌恶.     

一类由g-期望控制的概率测度的性质

讨论了一类由g-期望控制的概率测度的性质，指出过程（θt）t满足一致有界时，该测度可以通过Girsanov变化由过程（θt）t生成．     

次线性期望下的大数定律及应用

得到了一致可积条件下次线性期望的大数定律,并考虑了此结果在金融中的应用。特别地,考虑了在g-期望中的应用并得到一些极限性质。     

无限时间终端g-期望的Jensen不等式

为研究g-期望的Jensen不等式在时间T为无穷时刻成立的充要条件,基于倒向随机微分方程中g-期望的概念,通过无限时间终端下生成元的表示定理,建设性地构造了一类新的生成元g珔(t,z)=ag(t,z/a)。证明了在无限时间终端,非Lipschitz条件下,g-期望关于线性凸函数的Jensen不等式成立,当且仅当g是关于(y,z)是超齐次的生成元且不依赖于y。     

g-期望的矩不等式

彭实戈在研究倒向随机微分方程(简记为BSDE)的过程中，提出了一种非线性数学期望——g-期望的概念.李保明证明了条件g-期望的Jensen不等式．据此给出条件g-期望的矩不等式．     

基于加权g-期望的Jensen不等式,矩不等式与大数定律

在g-期望的基础上提出加权g-期望ε^λ_g ［·］的概念。证明了当生成元g关于y非增且关于(y,z)满足正齐次性时, 基于加权 g-期望的矩不等式一般成立。 在λ≥1/2 且生成元g不依赖于y的条件下, 在g关于z满足超齐次性时, 建立了基于加权g-期望的Jensen不等式; 当g关于z满足次线性时, 建立了基于加权g-期望的大数定律。     

无穷水平上的倒向随机微分方程和g-期望

证明了无穷水平上BSDEs的系数唯一性定理，并利用此定理将平方可积随机变量的g-期望扩张到可积随机变量的g-期望。     

一般g-期望的收敛定理

讨论定义在l1(Ω, F_T, P)空间上一般g-期望的一些性质,进而得到了一般g-期望的单调收敛定理、Fatou引理和控制收敛定理。     

基于加权g期望的若干不等式及大数定律

引入加权g期望的概念，研究其性质，并建立基于加权g期望的一些不等式以及大数定律，推广了林乾及杨丛等的结果．     

条件g-期望与相关风险测度

利用倒向随机微分方程(BSDE)理论中的条件g-期望来定义风险测度及动态风险测度,证明了它们都满足相关风险测度及动态相关风险测度的公理化定义,并且给出了所定义的相关风险测度及动态相关风险测度的表示定理．最后,给出了相关风险测度及动态相关风险测度的一些重要性质。     

基于g-期望的关于二元函数的Jensen不等式

给出了当g是次线性生成元时基于g-期望的关于二元函数的Jensen不等式．     

基于g-期望的一些不等式

给出了由倒向随机微分方程定义的g-期望的一些不等式.     

g-期望关于仿射相关随机变量的可加性

证明了当g满足对任意(y,t)∈R×［0,T］,g(y,0,t)=0时,g-期望对所有的仿射相关的随机变量可加当且仅当g=μt|zt|+vtzt;不要求g满足任意(y,t)∈R×［0,T］, g(y,0,t)=0时,g-期望对所有的仿射相关的随机变量可加当且仅当g=μt|zt|+vtzt+vt′yt,其中μt,vt,vt′是［0,T］上的连续函数.     

非Lipschitz条件下的g-期望的生成元唯一性定理

利用非Lipschitz条件下倒向随机微分方程生成元的表示定理,给出了非Lipschitz条件下的g-期望的生成元唯一性定理.     

条件g-期望的重要性质

讨论了一类非线性条件数学期望(条件g-期望)的Levi引理、Fetoux引理、Lebesgue控制收敛定理和Jensen不等式,所得结果是条件数学期望相应理论的推广。