|
在本节中,为了清晰起见,我们取X=0,并在函数F和边缘u的以下假设下工作。特别是,与[8]相比,我们不需要假设F是非减量的。假设3.1 F:R+→ R是一个Lipschitz凸函数。假设3.2u为中心概率分布,质量为零。3.1稳健的超边缘问题在本节中,在假设3.1和3.2下,我们提供了Uu(F(LT))的最佳混合策略以及Pu(F(LT))的最佳度量,并且我们表明不存在对偶间隙,即Pu(F(LT))=Uu(F(LT))。其关键思想是,对于任何合适的单调函数对(φ+,φ-), 我们可以构建一个超级复制策略(, H) =(φ±,Hφ±)。最优性结果来自Vallois给出的嵌入分布u14的一对函数。Julien Claisse等人假设3.3φ+:]0,∞[ -→ ]0, ∞[(分别为φ-:]0, ∞[ -→ ] - ∞, 0[)是连续且不减少(或不增加)的,因此γ(0+)=0和γ(∞) = ∞ 其中,对于所有l>0,γ(l):=Zlφ+(m)-φ-(m)马克。让我们用ψ±表示φ±的右连续逆。我们还定义了函数A±:R+→ R通孔(φ+,φ-) byA±(l):=A±(0)+Zldzφ±(z)eγ(z)z∞泽-γ(m)F(dm),(2)A±(0):=±F(0)±Z∞E-γ(m)F(dm)。(3) 在本文中,所考虑的衍生产品都是分布意义上的,只要可能,我们就为这种分布选择一个“好”的代表。特别是,在上面的公式中,Fand Fstand表示F的右导数和Lebesgue-Stieltjes测度相对于透视的关系,因为F是一个凸函数,所以对其进行了很好的定义。3.1.1准确定不等式我们首先展示一个准确定不等式,这是我们分析的关键步骤。这意味着,为了构建超级复制策略,必须考虑一对(φ+,φ-) 满足假设3.3。
|