By Law, Every Zero-Mean Risk Is the Difference of Two Equally Distributed Risks

技术摘要：“根据法律，每一个均值为零的风险都是两个同分布风险之差”

问题陈述
本文探讨了概率论和风险分析中的一个基本问题：是否每一个均值为零的实数集 $\mathbb{R}$ 上的概率律，都可以表示为两个具有相同边缘分布的随机变量（独立或相关）之差。具体而言，给定一个均值为零的律 $\mu$，目标是构造两个同分布的随机变量 $X$ 和 $Y$，使得其差值的分布 $X - Y$ 等于 $\mu$。这一问题出现在 Maccheroni 等人 (2025) 关于风险厌恶和保险倾向性的“充分性假设”（adequacy assumption）的背景下。

方法论
作者 Mark Whitmeyer 提供了一个构造性证明，解决了 Maccheroni 等人 (2025) 中关于充分性假设所需的特定情况。该方法论根据概率测度 $P$ 的性质分为两类：

1. 有限均匀情况（The Finite-Uniform Case）：
   对于满足有限均匀条件的测度，本文依赖于 Maccheroni 等人 (2025) 已经提供的“循环部分和构造法”（cyclic partial-sum construction）。对于这一子集，不需要新的构造。

2. 非原子情况（The Nonatomic Case）：
   对于一个均值为零的非原子概率测度 $P$，作者构造了一个定义在乘积空间 $S = \mathbb{R}^2$ 上的联合分布 $\nu$，并从中导出 $X$ 和 $Y$。构造过程如下：

   • 分解： 将测度 $\mu$ 分解为一个位于零点的原子（$p_0 = \mu(\{0\})$）、一个正部分 $\mu_+ = \mu|_{(0, \infty)}$，以及一个经过变换的负部分 $\mu_- = (-\text{id})_\#(\mu|_{(-\infty, 0)})$。
   • 归一化： 定义一个缩放因子 $a$ 为正部分的阶矩：$a = \int_0^\infty x \mu_+(dx) = \int_0^\infty y \mu_-(dy)$。
   • 联合测度构造：
     • 若 $a = 0$，则联合测度仅为 $\nu = \delta_{(0,0)}$，这意味着 $X=Y=0$ 几乎处处成立。
     • 若 $a > 0$，联合测度 $\nu$ 被定义为原点处的原子与一个连续分量的混合。该连续分量通过对 $(0, \infty)^2$ 在 $\mu_+(dx)\mu_-(dy)$ 下进行积分来构造。对于每一对 $(x, y)$，在区间 $[-y, x)$ 上应用一个旋转 $R_{x,y}$，并在该区间上对测度进行平均。
   • 边缘分布验证： 作者证明了在此构造下，$\nu$ 的边缘分布是相同的（即 $X \stackrel{d}{=} Y$）。此外，通过计算构造测度的前推（pushforward），证明了 $X - Y$ 的分布能够恢复原始测度 $\mu$。

主要结果
主要结果是一个严谨的证明，表明对于任何实数集 $\mathbb{R}$ 上的均值为零的律 $\mu$，都存在同分布的随机变量 $X$ 和 $Y$，使得 $X - Y \stackrel{d}{=} \mu$。本文特别验证了 Maccheroni 等人 (2025) 中引理 1 的“非原子情况”。

此外，本文还确定了所构造变量的可积性质：

• 如果目标测度 $\mu$ 是有界的（即支撑在紧区间上），则构造的 $X$ 和 $Y$ 是本质有界的（$L^\infty$）。
• 如果目标测度 $\mu$ 具有所有阶的有限矩（$M^\infty$），则构造的 $X$ 和 $Y$ 也具有所有阶的有限矩。

意义与主张
本文声称为充分验证 Maccheroni 等人 (2025) 提出的经济框架中的“充分性假设”提供了缺失的技术环节。通过证明该分解在有限均匀情况和非原子情况下均成立，本文断言这两个情况“穷尽”了所述文献中经济模型所需的所有假设。

作者谦逊地将该贡献界定为对所引用经济文献中特定引理（引理 1）的证明，而非一种广泛的新概率论。这项工作致力于“KS”，并承认使用了 ChatGPT 进行证明检查。文章结论指出，该构造成功证明了每一个均值为零的风险确实可以表示为两个同分布风险之差，从而验证了所引用经济分析的理论基础。