Выявление и максимизация полезности на основе неопределённых эквивалентов определённости

Мы развиваем исследования по выявлению функции полезности, используя оптимизационный подход, на вход которому подаются эквиваленты определённости лотерей со случайными выигрышами. В отличие от других известных методов выявления, наш подход является непараметрическим и всегда применим, даже если сообщённые эквиваленты определённости содержат ошибки. Он подходит для всех лиц, не склонных к риску, а результатом его применения является приближённая функция полезности, которая является возрастающей, вогнутой и кусочно-линейной. Затем мы демонстрируем, как полученные приближённые функции полезности могут использоваться для последующей максимизации ожидаемой полезности на основе данных как в условиях нейтральности к неоднозначности, так и в условиях неприятия неоднозначности. Наши выводы имеют не только теоретическое обоснование, но и подтверждаются различными экспериментами на синтетических данных и данных реального мира.