外生信息下风险共担中感知风险的动态：一种非厄米哈密顿量量子方法

《Mathematics》：Dynamics of Perceived Risk in Risk-Sharing by Exogenous Information: A Non-Hermitian Hamiltonian Quantum Approach

　　

本文介绍了量子风险度量模型(quantum risk measurement models)，重点关注由信息到达引发的风险观察随时间演化的过程。这些模型以比传统方法更大的灵活性和更高的一致性处理与风险相关决策的上下文相关性(contextuality)。此类信息的一个典型例子是风险共担池外部支持的启动。研究人员利用开放系统量子理论模型(open system quantum theory models)，研究了由外生信息(exogenous information)到达驱动的风险共担池中感知风险(perceived risk)的放大与衰减。研究人员没有采用封闭系统框架（其中量子模型使用厄米哈密顿量(Hermitian Hamiltonian)导致幺正时间演化），而是采用开放系统方法，利用非厄米哈密顿量(non-Hermitian Hamiltonian)和非幺正时间演化(non-unitary time evolution)来描述风险观察的动力学。感知风险通过一个量子风险度量算子(quantum risk measure operator)进行测量。虽然幺正时间演化保留了该算子特征值之和，使期望值的大小受到严格约束，但研究人员提出的开放系统框架打破了这些限制。通过采用非厄米哈密顿量和非幺正变换，该模型更真实地捕捉了风险大小的放大或衰减动力学，允许外生信息从根本上、灵活地且显著地改变观察到的风险规模。基于智能体的模型(agent-based models)提供的结构性洞察较少，而跳跃扩散模型(jump diffusion models)未能处理心智状态相互作用。数值模拟表明，该模型成功解释了现实世界中自然发生但无法由幺正变换解释的风险放大与衰减现象。由薛定谔方程(Schr?dinger equation)描述的时间演化展示了感知风险大小变化的逐步效应以及基于风险的相互作用。实际应用包括新的信息冲击改变感知风险严重性的场景，例如风险共担规则的正式化或新监管框架的建立。

**论文解读：外生信息下风险共担中感知风险的动态——基于非厄米哈密顿量量子方法**

**研究背景与问题**
传统风险共担模型（如基于智能体的模型、贝叶斯学习模型、跳跃扩散模型等）在解释风险感知的上下文相关性方面存在局限。这些模型难以同时捕捉认知语境性（如信息到达引发的心理状态变化）和外部冲击的整体影响。例如，基于智能体的模型往往简化智能体特征，难以整合网络结构；贝叶斯学习模型虽拟合数据良好，但缺乏结构性基础；跳跃扩散模型依赖预定义的风险分布函数（如效用函数），而非内在风险过程本身。此外，封闭系统框架（如幺正时间演化）下，风险度量算子的特征值之和保持不变，导致感知风险大小受严格约束，无法解释现实中观察到的风险放大或衰减现象。因此，研究人员需要一种能更灵活、更真实地描述外生信息冲击下风险感知动态演化的数学模型。

**研究内容与结论**
本研究引入了一个基于开放系统量子理论的框架，利用非厄米哈密顿量和非幺正时间演化来建模风险共担池中感知风险的动态。该框架将参与者的保守基线信念系统（由厄米部分描述）与外部环境驱动的非保守相互作用（由反厄米部分描述）分离。外生信息冲击强度与风险池的机构连通性（或韧性）之间的平衡决定了系统的行为相变：当机构连通性超过外部冲击强度时，风险池保持结构稳定；当环境冲击占主导时，系统越过一个例外临界点，通过指数级恐慌级联导致系统性池崩溃。数值模拟（案例1、案例2-1、案例2-2）表明，该模型可成功模拟感知风险的放大与衰减，且参数设置能复现实际经验证据中的数量级（如美国恐怖风险保险保费在政府支持下的300%放大或20%的衰减）。与量子弱值模型（只能描述封闭系统下的瞬态变化）相比，本模型的非厄米哈密顿量方法允许外生信息根本性地改变风险规模，而非仅限于过渡时期。该论文发表在《Mathematics》。

**主要关键技术方法**
1. **非厄米哈密顿量分解**：将系统总哈密顿量(C)分解为厄米部分(A)和反厄米部分(iB)，厄米部分描述基线信念旋转与内生风险共担动力学，反厄米部分形式化参与者心理状态与外部环境的开放相互作用。
2. **非幺正时间演化求解**：利用薛定谔方程，在满足对易关系[A,B]=0条件下，将时间演化算符分解为幺正矩阵X（代表标准相位演化）和放大/衰减矩阵Y（非幺正部分）。
3. **量子风险度量算子**：定义风险度量算子R，感知风险表示为?φ|R|φ，通过基态权重与交互项计算期望值。模拟中设置两个基态（|e₁?和|e₂?）代表两个风险来源，并引入耦合参数γ（外部信息冲击强度）和κ（机构刚性/结构连通性）。
4. **数值模拟参数化**：采用源自光学波导系统的增益-损耗模型（案例1），以及基于幺正矩阵和放大/衰减矩阵的直接构造（案例2-1和案例2-2），通过调节权重参数x、旋转角θ、相位φ等探索系统行为。

**研究结果**
**2. Literature Review and Preliminaries**：回顾了风险共担中信息影响的经验研究（如Barr & Genicot对信息如何影响风险共担决策的讨论；Barigozzi等分析相互保险中消费者自保努力与保费关系；COVID-19期间信息加剧风险感知等）。比较了现有方法（基于智能体、博弈论、网络模型、贝叶斯、跳跃扩散、量子弱值模型）的局限性，指出开放系统框架的优势。
**3. The Proposed Quantum Model**：建立了开放系统下的量子模型，定义了初始时间t₀（信息到达前）和最终时间t₁（信息到达后）的量子风险度量，通过非厄米哈密顿量C= A+iB描述状态演化。推导了满足对易条件时的状态分解形式：|φ(t₁)? = X Y |φ(t₀)?，其中X为幺正矩阵，Y为放大/衰减矩阵。
**4. Simulation**：通过三种参数设置进行数值模拟。
- **Case 1**：采用与光学波导系统对应的参数，γ表示外部信息冲击强度，κ表示结构连通性。模拟结果显示，当γ/κ < 1时系统倾向于风险放大，γ/κ > 1时倾向于衰减（图1、图2）。具体系数变化表明感知风险大小可远超初始值或降至接近零（表1）。
- **Case 2-1**：使用由厄米矩阵A和B构造的简单形式，参数w_i为信息耦合强度，θ为旋转角。结果表明系数n₁通常被放大，n₂通常被衰减（图3-8）。
- **Case 2-2**：直接设置幺正矩阵X（参数θ, φ）和放大/衰减矩阵Y（参数ε）。在权重参数x与信息重要性对齐的条件下，非厄米情况下的系数放大或衰减行为尤为清晰（图9-11，表2）。封闭系统（a）下系数保持在0-1之间；开放系统放大情况（b）下系数可超过1；衰减情况（c）下系数可降至0.14。
**5. Implication, Discussion and Application**：讨论了封闭系统（幺正演化）与开放系统（放大/衰减）的本质区别。指出弱值模型仅描述瞬态变化，而非厄米模型反映外生信息造成的根本性变化。参数敏感性分析显示x（权重）影响显著，相位参数影响微小。对比现有模型：基于智能体模型缺乏结构；博弈论依赖行为假设；贝叶斯模型缺乏动态结构；跳跃扩散依赖函数形式；量子弱值模型限于封闭系统。实际应用包括：美国恐怖风险保险保费在政府支持后从不可定价降至合理水平（放大300%对应γ/κ<1情况）；再保险补贴使消费者保费降低20%（衰减对应γ/κ>1情况）。
**6. Summary**：总结本文引入的量子风险度量模型，利用非厄米哈密顿量成功捕捉了外生信息冲击下感知风险的放大与衰减，为道德风险和风险共担系统提供了更整体和灵活的视角。实践应用包括风险池规则正式化或新监管框架建立等场景。

**结论翻译**：本文介绍了一种利用非厄米哈密顿量进行量子时间演化的感知风险量子风险度量模型。经验解释目标例如：解释外生提供的承诺信息如何与风险共担态度相关联，即参与者如何认识风险的大小。通过允许由新信息冲击驱动的感知风险放大与衰减，该模型比之前的方法更清晰地捕捉了感知风险的上下文相关性。虽然经典效用理论仍是建模决策的标准，但量子理论迄今已为处理非理性行为和谬误提供了稳健的替代方案。所提出的非厄米框架为风险放大或衰减的动力学提供了更整体和灵活的观点，特别是在道德风险和风险共担系统的背景下。实际应用包括新的信息冲击改变感知风险严重性的场景，例如风险共担规则的正式化或新监管框架的建立。