楼主: 何人来此
1113 47

[量化金融] 全球范围内稳健的定价和对冲 [推广有奖]

31
能者818 在职认证  发表于 2022-6-1 04:40:37
在中固定平均过程a和路径Ohmu,ν. 为了便于记法,我们写h而不是下面的hAin。然而,请注意,Hah与(4.7)中的h具有相同的形式表达式,但A是固定平均过程(而不是^上规范过程的第二个组成部分)Ohm).使用H的定义 Xt和h以及A=A、 我们获得 XT=(XT- 十) h+Z(0,T)(XT- Xt)htdAt=(Xt- 十) ^1′(X)-Z[0,T](XT- Xt)(Д′(X)+ψ′(Xt))数据。然后,利用dA是[0,T]上的概率测度、ψ的凹凸性和Jensen不等式,我们可以估计 XT=Z[0,T]Д′(X)(XT- 十) dAt公司-Z[0,T]ψ′(Xt)(Xt- Xt)dAt(4.13)≥ И′(X)Z[0,T]XtdAt- 十、-Z[0,T](ψ(XT)-ψ(Xt))dAt≥ ^1Z[0,T]XtdAt!- ^1(X)-ψ(XT)+Z[0,T]ψ(XT)dAt≥ ^1Z[0,T]XtdAt!- ^1(X)-ψ(XT)+ψZ[0,T]XtdAt!。重新排列术语并使用该ψ+ψ≥ f在J上,我们发现ν(X)+ψ(XT)+H XT公司≥ fZ[0,T]XtdAt!。第三,我们展示了可采性条件(3.9)。固定平均进程A和P∈ M(u,ν)。确定F停止时间Cs、s的系列∈ (0,1),byCs=inf{t∈ [0,T]:At>s},注意0≤ 铯≤ T代表s∈ (0,1),因为AT=1。然后,使用族作为(4.13)中积分的时间变化(参见[24,命题0.4.9]),得到了ψ(X)+ψ(XT)+H XT(4.14)=Z{Д(X)+ψ(XT)+Д′(X)(XCs- X)-ψ′(XCs)(XT- XCs)}ds。现在,假设(4.14)中的被积函数是从下面有界的,uniformlyover s∈ (0,1)和ω∈ Ohmu,ν. 然后通过引理4.9,P-integr的期望值,等于每个s的u(ν)+ν(ψ)∈ (0, 1). 将其与托内利定理和(4.14)结合使用,给出了sep[Д(X)+ψ(XT)+H XT]=u(Д)+ν(ψ),因此(3.9)保持不变。仍然需要证明(4.14)中的被积函数从下面一致有界。

32
可人4 在职认证  发表于 2022-6-1 04:40:40
这是由Д的凹性和ψ的凸性以及Д+ψ的偏移量得出的≥ f≥ J上的0:Д(X)+ψ(XT)+Д′(X)(XT- X)- ψ′(Xt)(Xt- Xt)≥ ψ(Xt)+ψ(Xt)≥ f(Xt)≥ 0,t∈ [0,T]。这就完成了证明。4.4二元性我们现在转向辅助问题u,ν(f)和iu,ν(f)之间的二元性。定理4.10。Letu≤cν与域(I,J)不可约且设f:R→[0, ∞].(i) 如果f是上半解析的,则Nesu,ν(f)=eIu,ν(f)∈ [0, ∞].(ii)IfeIu,ν(f)<∞, 然后存在一个对偶极小化子(ψ,ψ)∈eDu,ν(f)。有几个重新标记。备注4.11。我们只陈述了一个不可约c分量的对偶性。我们可以公式化并证明任意边缘的完全对偶性u≤cνinanalogy至【8,第7节】。为了简洁起见,我们省略了细节。备注4.12。定理4.10中f的下界可以放宽。确实,假设f:R→R是上半解析函数,由下半解析函数g建立。我们首先考虑原始问题。B e原因g为a ffine和任意u≤cθ≤cν与u、θ(f)具有相同的质量和质心- g) =θ(f)-θ(g)=θ(f)- u(g)。因此,eSu,ν(f-g) =eSu,ν(f)-u(g)。(4.15)关于对偶问题,我们注意到(ψ,ψ)∈eDu,ν(f- g) if和onlyif(Д+g,ψ)∈eDu,ν(f)和Le mma 2.7(iii),u(Д)+ν(ψ)={u(Д+g)+ν(ψ)}- u(g)。因此,eIu,ν(f-g) =eIu,ν(f)-u(g)。(4.16)因为f- g是非负的,(4.15)–(4.16)的左手边与定理4.10(i)一致。因此,eSu,ν(f)=eIu,ν(f)∈ (-∞, ∞].此外,ifeIu,ν(f)<∞, 然后,alsoeIu,ν(f- g) <∞ 和一个对偶极小值(ψ,ψ)∈eDu,ν(f-g) foreIu,ν(f- g) 根据定理4.10(ii)存在。现在,上述结果表明(ψ+g,ψ)∈eDu,ν(f)是iu,ν(f)的对偶极小值。Theo rem 4.10的证明基于几个准备结果。根据[8,命题5.2]的精神,威斯特研究了对偶空间的关键封闭性。提案4.1 3。

33
大多数88 在职认证  发表于 2022-6-1 04:40:43
Letu≤cν与域(I,J)不可约,设f,fn:J→ [0, ∞] 使fn→ f逐点,let(ψn,ψn)∈eDu,ν(fn)与SUPN{u(νn)+ν(ψn)}<∞. 然后是(ψ,ψ)∈eDu,ν(f),使得u(ν)+ν(ψ)≤ lim信息→∞{u(νn)+ν(ψn)}。证据设hn=Д′n:I→ R是凹函数νn的超导数。AsДn(x)+ψn(y)+hn(x)(y- x)≥ ψn(y)+ψn(y)≥ fn(y)≥ 0,(x,y)∈ I×J,(νn,ψn,hn)在[8]的对偶空间Dcu,ν(0)中。因此,按照[8,命题5.2]证明中的推理路线(基于Komlos引理;我们记得凸(凹)函数的凸组合是一个gainconvex(凹)),我们可以在不丧失一般性的情况下假设→ ^1u-a.e.和ψn→ψν-a.e.for so me((R),ψ)∈ Lc(u,ν)。此外,[8]中的参数还表明u((R)ν)+ν((R)ψ)≤ lim信息→∞{u(νn)+ν(ψn)}。现在,定义函数ψ,ψ:J→R byД:=直线信息→∞^1nandψ:=lim supn→∞ψn.则ψ是凸的,ψ是凹的,ψ=(R)u-a.e.,特别是ψ=(R)ψν-a.e,(ν,ψ)∈ Lc(u,ν)和u(ν)+ν(ψ)≤ lim信息→∞{u(νn)+ν(ψn)}。此外,asДk+ψk≥ fkon J,我们每个n都有≥nхk+SUP≥nψk≥ infk公司≥n(ψk+ψk)≥ infk公司≥nfkon J.发送n→ ∞ 给出ψ+ψ≥ f总之,(ψ,ψ)∈eDu,ν(f)。我们继续证明了有界上半连续函数的强对偶性。引理4.14。让f:R→ [0, ∞] 有界且上半连续。TheneSu,ν(f)=eIu,ν(f)。该证明基于类似于[8,引理6.4]的Hahn–Banach分离论证。证据我们首先展示了弱对偶不等式。Letu≤cθ≤cν和(Д,ψ)∈eDu,ν(f)。尤其是,ψ+ψ从下方有界。然后通过引理2.9(iii)–(iv),θ(f)≤ θ(φ + ψ) = θ(φ) + θ(ψ) ≤ θ(φ) + ν(ψ) ≤ u(ν)+ν(ψ),(4.17)和不等式u,ν(f)≤eIu,ν(f)如下。这个逆不等式基于一个Hahn–Banach参数,所以让我们引入一个合适的空间。

34
nandehutu2022 在职认证  发表于 2022-6-1 04:40:45
根据de la Vallée–Poussin定理,存在一个递增的凸函数ζν:R+→ 超线性增长的R+,使得x 7→ζν(| x |)是ν-可积的。现在,设置ζ(x)=1+ζν(| x |),x∈ R、 用cζ表示所有连续函数f:R的空间→ R,使f/ζ完全消失。我们赋予Cζ范数kfkζ:=kf/ζk∞. 使用这个符号,与[8,引理6.4]的证明中相同的参数表明,对偶空间c*Cζ上连续线性泛函的ζ可以用有限符号测度表示。修复f∈ Cζ。然后-ζ(x)kfkζ≤ f(x)≤ ζ(x)kfkζ,x∈ J、 (4.18)因为ζν是凸的,x 7→ ζν(| x |)是ν-可积的,我们有θ(ζ)≤ ν(ζ) < ∞对于所有u≤cθ≤cν。这与(4.18)一起表明ESu,ν(f)是有限的。因此,在f上加一个合适的常数,我们可以假设esu,ν(f)=0。对于以下Hahn–Banach参数,我们考虑凸锥:={g∈ Cζ:eIu,ν(g)≤ 0}.命题4.13暗示K是闭合的。为了矛盾起见,假设eiu,ν(f)>0。然后,通过Hahn–Banach定理,K和f可以通过Cζ上的连续线性函数来精确分离。也就是说,有一个有限的有符号度量ρ,使得ρ(f)>0和ρ(g)≤ 所有g为0∈ K、 对于任何紧支撑的非负连续函数g∈ Cζ,我们有eiu,ν(-g)≤ 0也就是说,-g级∈ K,因此ρ(-g)≤ 这表明ρ是一个(非负)有限度量。如果需要,将ρ乘以正常数,我们可以假设ρ的质量与u和ν的质量相同。接下来,设ψ为凸且线性增长。然后ψν(R)- ν(ψ) ∈ 坎德-ψu(R)+u(ψ)∈ K、 使用ρ≤ 这两个函数的0产生u(ψ)≤ ρ(ψ) ≤ ν(ψ). 我们的结论是u≤cρ≤cν。但现在ρ(f)>0合同u,ν(f)=0。因此,eIu,ν(f)≤eSu,ν(f)。最后,设f有界且上半连续,并选择fn∈ Cb(R)Cζ,使得fnf。通过上述,我们得到了所有n的eu,ν(fn)=eIu,ν(fn)。Weshow低于该界限→∞eSu,ν(fn)=eSu,ν(f)。

35
mingdashike22 在职认证  发表于 2022-6-1 04:40:48
利用这一点和iu,ν的单调性,我们得到了iu,ν(f)≤ 画→∞eIu,ν(fn)=limn→∞eSu,ν(fn)=eSu,ν(f)≤eIu,ν(f)。所以有界上半连续函数具有很强的对偶性。limn仍然有争议→∞eSu,ν(fn)=eSu,ν(f)。我们更普遍地证明了esu,ν沿有界上半连续函数的递减序列是连续的。因此,设fnf是有界上半连续函数的收敛序列。固定ε>0并设置l := 画→∞eSu,ν(fn)。然后,对于每个n,l ≤ Su,ν(fn)<∞ 因此setAn:={u≤cθ≤cν:θ(fn)≥ l - ε} 不是敌人。此外,每个Anis都是弱紧集{θ:u的闭子集≤cθ≤cν}和An+1 一因此,在交点处存在θ′∩n≥1安。然后通过单调收敛得到u,ν(f)≥ θ′(f)=limn→∞θ′(fn)≥ l - ε.这意味着esu,ν(f)≥ l asε是任意的。逆不等式来自于esu,ν的单调性。这就完成了证明。定理4.10的证明。(i) :这是引理4.14和电容性参数的结果,几乎与[8,第6节]一模一样。sa me ar gumentscan可在[22]中找到。因此,我们省略这些阐述。(ii):将命题4.13应用于常数序列fn=f,并将序列(ψn,ψn)最小化∈eDu,ν(f)of eiu,ν(f)产生一个对偶极小值。我们现在可以证明鲁棒价格和超边缘问题之间的对偶性。定理3.9的证明。根据命题4.2、引理3.8和命题4。5,eSu,ν(f)≤ Su,ν(f,A)≤ Iu,ν(f,A)≤eIu,ν(f)和定理4.10表明esu,ν(f)=eIu,ν(f)。因此,eSu,ν(f)=Su,ν(f,A)=Iu,ν(f,A)=eIu,ν(f)。(4.19)尤其是,(4.19)中的量都与A的选择无关(只要定理3.9的两个条件之一成立)。如果Iu,ν(f,A)<∞, theneIu,ν(f)<∞ 因此有一个优化器(ψ,ψ)∈eDu,ν(f)foreIu,ν(f)。

36
可人4 在职认证  发表于 2022-6-1 04:40:51
那么命题4.7提供了一个H=(H,A),使得(ψ,ψ,H)∈ Du,ν(f,A)。通过(4.19)和Iu,ν(f,A),(ν,ψ,H)的定义,Iu,ν(f,A)的isan优化器。备注4.15。如果我们将自己局限于动态部分为有限变化的交易策略,那么稳健定价和超边缘问题的强二元性(没有双重实现)将继续存在。首先,观察(2.9)定义的过程^H在有界时具有有限的变化。回顾命题4.7中h的定义(4.7),我们发现h在{ω:ωT上有界∈ Jo} 由于这些路径被定义在一个紧子集J中,ψ′有界。这将更普遍地适用于几乎所有路径,如果ψ′在J上一致有界。因此,如果J是开的,则强对偶(以及有限变分策略中的对偶实现)成立。第二,考虑以下情况:对于某些-∞ < a<b≤ ∞. 假设定理3.9的假设成立,且Iu,ν(f,A)<∞, 和let(ψ,ψ)∈eDu,ν(f)是一个双辅助优化器。然后ψ(a)<∞ asν在a处有一个natom(参见引理2.7)。如果ψ′(a)>-∞, 然后,与Boves相同的论点表明,命题4.7中构建的动态交易策略具有有限的变化。如果ψ′(a)=-∞, 然后我们构造了一系列函数ψk(x):=(ψ(x)for x≥ a+k,ψ(a)+k(x- a) (ψ(a+k)-ψ(a))表示x<a+k。通过区间[a,a+k]上的线性插值逼近ψ。然后我们得到ψkψ和u(ν)+ν(ψk)u(ν)+ν(ψ)=eIu,ν(f)作为k→ ∞. 自ψ′k(a)>-∞, 几乎可以肯定,相关过程H(k)的变化是有限的。J=(a,b)和J=[a,b]的情况类似于原始优化器和对偶优化器的4.5结构。如果存在辅助问题的原始优化器,我们可以导出对偶优化器的一些必要属性。命题4.16。让u≤cν与域(I,J)不可约且设f:R→ [0, ∞] 博雷尔。

37
能者818 在职认证  发表于 2022-6-1 04:40:54
假设thateSu,ν(f)=eIu,ν(f),thatu≤cθ≤cν是u,ν(f)和(ν,ψ)的最佳值∈eDu,ν(f)是iu,ν(f)的优化器。然后(i)Д+ψ=fθ-a.e.,(ii)Д是{uu<uθ}的连接分量上的一个函数,(iii)ψ是{uθ<uν}的连接分量上的一个函数,(iv)如果θ({b})>0,则Д在J的有限端点b没有跳跃,并且(v)如果θ({b}<ν({b})在J的有限端点b没有跳跃。证据在引理4.14的证明中,我们得到(参见(4.17)),θ(f)≤ θ(φ + ψ) ≤ u(φ) + ν(ψ).由于没有对偶间隙以及θ和(Д,ψ)的最优性,所有的线性性质都是相等的:θ(f)=θ(Д+ψ)=u(Д)+ν(ψ)。(4.20)现在(i)源自(4.20)中的第一个等式,以及以下事实:≥ fon J.重新排列第二个等式,我们可以写0={u(ν)+ν(ψ)}-θ(φ + ψ)= {u(φ) + ν(ψ)} - {θ(φ) + ν(ψ)} + {θ(φ) + ν(ψ)} - θ(φ + ψ).使用前三个表达式的定义(2.4)(使用Д作为前两个术语的共同调节因子,以及-ψ表示第三个;参考引理2.9(i)),WeActain0=(u- ν)(φ) - (θ - ν)(φ) + (θ - ν)(-ψ)= (u - θ)(φ) + (θ - ν)(-ψ) ,(4.21),其中最后一个等式是(u)定义的直接序列- ν) (Д)和(θ)- ν) (Д)(参见(2.2))。(4.21)右侧的两个术语定义为非负相关,因此必须消失:0=(u- θ) (Д)=ZI(uu- uθ)dИ′+ZJ\\I|Дdθ,对于(θ)类似- ν)(-ψ). 这意味着{uu<uθ}(这是断言(ii)),且|对于θ具有anatom(即断言n(iv))的J的每个端点,ν|=0。(iii)和(v)的证明是相似的。下一个结果表明,对于上半连续f,存在一个极大孔径u,ν(f),它相对于凸阶是最大的。为了简洁起见,我们省略了标题。提案4.17。

38
kedemingshi 在职认证  发表于 2022-6-1 04:40:57
Letu≤cν不可约且设f:R→ [0, ∞] 是上半连续的,并由一个凸的、连续的和ν可积的函数从上面加以约束。此外,fix严格凸函数g:R→ 考虑“二次”优化问题supθ∈Θ(f)θ(g),(4.22),其中Θ(f):={θ:u≤cθ≤cν和θ(f)≥eSu,ν(f)}是辅助原始问题的优化器集。(i) Θ(f)是非空的,凸的,弱紧的,(4.22)允许一个优化。(ii)(4.22)中的任何优化器θ都具有以下性质:oθ在Θ(f)中相对于凸阶是最大的。o如果O是一个开放区间,那么O {uθ<uν}且f | Ois凸,则θ(O)=0。o如果K是一个间隔,则Ko {uu<uθ},f | Kis严格凹,θ(K)>0,则θ| Kis集中在单个原子中。下面的示例显示,集合优化器foreSu,ν(f)可以具有多个关于凸阶的最大或最小元素;这个偏序集通常没有最大或最小元素。示例4.18。设u=δ,ν=(δ-1+δ+δ),并设f与f分段线性(- 1) =f(1)=3,f(-1/2)=f(1/2)=2,f(0)=0。我们声称不存在最大或最小的原始优化器。我们构建候选原始优化器和对偶优化器,如下所示。在主LSIDE上,设置θ=δ-+δ和θ=δ-1+δ. 在双面,设置Д≡ 0且设ψ为在ψ之间线性插值的凸函数(-1) =ψ(1)=3,ψ(0)=1。直接计算得到θ(f)=θ(f)==ν(ψ),这表明θ和θ是原始优化器,而(ν,ψ)是对偶优化器。首先,我们证明了在凸序中不存在同时支配θ和θ的原始优化器。实际上,我们可以检查uν=max(uθ,uθ),因此,ν是唯一可行的原始元素,它在对流序中同时支配θ和θ。

39
何人来此 在职认证  发表于 2022-6-1 04:41:00
但是ν(f)=2<,因此ν不是最优的。其次,我们证明了不存在同时受θ和θ支配的原始优化器。实际上,可以检查{uu<min(uθ,uθ)}=(-,), 因此,必须集中于同时受θ和θ支配的每个可行的原始元素[-,]. 但f≤ 2开[-,], 所以没有原始优化器可以集中在这个时间间隔上。我们用一个例子来结束这一节,这个例子表明,如果f不是上半连续的,则原始达到一般不成立。示例4.19。设u=δ,ν=(δ-1+δ),并设置f(x):=| x | 1(-1,1)(x)。然后u≤cν与域不可约((-1, 1), [-1, 1]). 考虑序列θn:=(δ-1+n+δ1-n) ,我们可以看到这是u,ν(f)≥ 1、但没有u≤cθ≤cν使得θ(f)≥ 1,因为f<1开[-1, 1].5例如,两种常见的支付函数是风险逆转和奶油价差。在本节中,我们为这些支付效应的辅助原始和对偶问题提供了解决方案。在本节中,我们确定了不可约边际≤cν和分别用m表示其共同总质量和一阶矩。5.1风险逆转风险逆转的支付函数的形式为f(x)=-(a)- x) ++(x- b) +,对于固定的a<b。以下结果提供了关于u和ν的潜在函数的原始和双优化器的简单几何结构。我们记得,位于势函数uu和uν之间的任何凸函数u都是测度θ的势函数,该测度θ在u和ν之间为凸序(参见,例如,[10])。提案5.1。考虑通过最大坡度点(a,uu(a))的线位于uν图形的下方(或上方);参见图5.1。

40
何人来此 在职认证  发表于 2022-6-1 04:41:03
这条线要么是(i)uν图的切线,对于某些z有一个切点(z,uν(z))∈ (a),∞) 或(ii)uνnear图的渐近线+∞.在(i)的情况下,用ν(x)=定义凹函数Д和凸函数ψ-α(x- a) +,ψ(x)=x-a+α(x- (z)∨ b) )+,其中α=(b- a) /((z∨ (b)- a) 。此外,设u是唯一的凸函数,与uuon重合(-∞, a] 当uν在[z]上时,∞) 并且是[a,z]上的α(即,u在[a,z]上与上述切线重合)。用θ表示唯一的测量值,势函数uθ=u。在(ii)的情况下,设置Д(x)=0,ψ(x)=x-a、 θ=u。作者们感谢大卫·霍布森提出了这种构造的想法。注意,只有当(a,u(a))位于图5.1中虚线势函数的增加部分时,才会发生情况(ii)。特别是,在这种情况下,u集中在a.uνuuabД+ψf(a,uu(a))(z,uν(z))uνuuД+ψab(a,uu(a))(z,uν(z))的左侧。图5.1:构建命题5.1中所述风险逆转的最佳中间层θ(顶部)和双重优化器Д+ψ(底部)的p势函数;左面板中的z>b,右面板中的z<b。然后,θ是辅助原始问题u,ν(f),(ν,ψ)是辅助对偶问题eIu,ν(f)的优化器,公共最优值是根据u和νbyeSu,ν(f)=eIu,ν(f)=(m)的势函数给出的-a+bm+b-auν(z∨(b)-uu(a)(z∨(b)-ain案例(i),m- 阿明案(二)。证据我们首先注意到θ和(Д,ψ)分别是辅助主问题和对偶问题的容许元素。实际上,通过构造,uθ是凸的,并且位于uu和uθ之间。因此,相关测量θ满足u≤cθ≤cν。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群
GMT+8, 2026-1-9 11:38