基于稳健化动态Orlicz风险的长记忆环境变量波动评估

随时间随机且动态波动的环境变量，如水质指标，被认为是随机的。它们表现出亚指数记忆结构，在建模和分析中应予以考虑。此外，基于这些环境变量的风险评估应考虑有限的数据可用性，这可能会在其建模中引入误差，例如模型设定错误。在本研究中，我们提出了一对风险度量，用于从下方和上方确定一个通用环境变量的指数负效用。该通用环境变量被建模为一个无限维非线性以及仿射随机微分方程，并对其矩和亚指数自相关性进行了解析估计。随后构建了称为动态稳健化Orlicz风险的新型风险度量，并利用它们有效地处理了长亚指数记忆。通过与Orlicz风险相关的Hamilton-Jacobi-Bellman方程，以闭合形式识别了负效用的最坏情况上下界。最后，将所提出的方法应用于日本某河流环境的每周水质数据。