|
UIP作为两个对数值函数之间的差异,对应于有无结构化产品的问题。这是通过使用Pham[38]中开发的一些技术,以及Da Lio和Ley[17]中建立的一类二阶Bellman-Isaacs方程的最新结果来实现的。3.1关于值函数Pd的启发式在本节中,我们以启发式的方式推导出UIP定义中出现的值函数预期满足的PDE。在存在指数效用函数的情况下,这是一个经典性质(例如,见文献[4,5,6,29,,])我们可以计算出初始财富y,所以v(t,x,y,z;q)=e-γyV(t,x,0,z;q),y∈ R.因此,通过定义UIP,我们推断-γ(y)-v) v(t,x,0,z;q)=v(t,x,y-v、 z;q) =V(t,x,y,z;0)=e-γyV(t,x,0,z;0),因此UIP v由v=-γlogV(t,x,0,z;q)V(t,x,0,z;0)=J(t,x,z;q)- J(t,x,z;0),(3.2),其中J表示(3.1)中定义的对数值函数。根据马尔可夫状态变量随机最优控制的一般理论,很明显,值函数V应满足以下HJB方程vt(t,x,y,z;q)+sup(u,π)∈[0,\'u]×RnLu,πV(t,x,y,z;q)=0,(3.3),终端条件V(t,x,y,z;q)=G(x,y,z),其中lu,πV=(hπ,uFi+qL)Vy+hb,Vxi+uVz+|π*σ*F | Vyy+tr∑∑*Vxx)+π*σ*F∑*vxy是状态变量(X,Y,Z)的生成器。回顾V(t,x,y,z;q)=-E-γy-γJ(t,x,z;q),我们可以很容易地从(3.3)推导出对数函数J的以下偏微分方程:=J(t,x,y,z;q):Jt+sup(u,π)∈[0,\'u]×Rnhπ,uFi+qL+hb,Jxi+uJz-γ|π*σ*F|-γ∑Jx |+tr∑*∑Jxx)- γπ*σ*F∑Jx= 0.(3.4)其中的哈密顿量通过控制^π最大化,由^πq=(σ)给出*FσF)-1.uFγ- σ*F∑Jx.
|