楼主: 可人4
941 44

[量化金融] 合格投资者最优投资组合的存在性、唯一性和稳定性 [推广有奖]

41
能者818 在职认证  发表于 2022-6-8 15:41:25
然而,正如Baes和Munari(2017)所示,这远非事实。近似最优支付图的下半连续前面的例子表明,一旦我们离开多面体,最优支付图可能就不是下半连续的,在这种情况下,最优投资组合的选择会受到严重不稳定性的影响。这与基础验收集是否为共模无关。因此,我们很自然地会转向下半连续性的研究,以获得接近最优的支付图。对于任何给定的ε>0,这些都是设定值MAPS Eε:X=> 通过设置ε(X)定义:={Z∈ MX+Z∈ A、 π(Z)<ρ(X)+ε}。我们不再关注最优回报,而是放松最优条件,以接近最低的成本寻找确保可接受性的所有回报。参数ε定义了最佳成本周围的公差范围。在参数优化语言中,Eε被称为ε-最优集映射。几乎最优集映射的研究是参数优化中经常出现的主题,下半连续性的关键结果是Bank等人(1983)的定理4.2.4。在将该结果调整到我们的框架后,我们利用它来建立各种较低的连续性结果,以获得接近最优的支付图。为此,我们首先需要以下初步引理,它提供了Bank等人(1983)中引理2.2.5和推论2.2.5.1的简单概括。这里,对于X∈ 我们说一个集值映射S:X=> 对于任意Z,M在X处是严格下半连续的∈ 存在开放的社区UX X/X和UZ Z中的M就是这样∈ 用户体验==> 乌兹 S(Y)。我们说,如果上述性质对每个X都成立,那么S是严格下半连续的∈ 十、早期,严格下半连续性比下半连续性强(通常强得多)。引理5.18。

42
何人来此 在职认证  发表于 2022-6-8 15:41:30
对于任何贴图S,S:X=> M以下陈述成立:(i)假设Sis严格下半连续且Sis下半连续。然后,集值映射:X=> M由S(X)=S(X)给出∩ S(X)是下半连续的。(ii)假设Sis严格下半连续和S(X) S(X) cl S(X)适用于所有X∈ 十、然后,Sis下半连续。证据(i) 修复X∈ X并假设S(X)∩ U 6= 对于某些开放集U M、 取Z∈ S(X)∩ 注意,通过严格的下半连续性,我们可以找到开放的邻域UX X/X和UZ Z的M使得uz S(Y)代表所有Y∈ 用户体验。自Z起∈ S(X)∩ U∩ UZ,有一个邻居VX X,共X个∈ Vx表示S(Y)∩ U∩ UZ6= 通过下半连续性。因此,以下为S(Y)∩ U=S(Y)∩ S(Y)∩ U 乌兹∩ S(Y)∩ U 6=对于每个Y∈ 用户体验∩ 证明S是下半连续的。(ii)固定X∈ 十、假设S(X)∩ U 6= 对于某些开放集U M取Z∈ S(X)∩ U、 然后,Z∈ cl S(X)∩ 因此,我们可以找到一个序列(Zn) S(X)使Zn→ Z、 特别是,存在k∈ N,其中Zk∈ U、 通过严格的下半连续性,我们找到了开放的邻域UX Xof X和英国 ZK的M,以便英国 S(Y)代表所有Y∈ 用户体验。接下来是thatZk∈ 英国∩ U S(Y)∩ U S(Y)∩ Ufor任何Y∈ UX,表明Sis在X下半连续。命题5.1 9。修复X∈ 并假设集值映射F:X=> 定义为f(X):={Z∈ MX+Z∈ A} 在X处是下半连续的。然后,对于任何ε>0,Eε在X处是下半连续的。证据对于任何固定ε>0,请考虑设定值映射H:X=> M由h(X)={Z给出∈ Mπ(Z)<ρ(X)+ε}。很容易看出,通过π和ρ的连续性,H在每个点上都是严格下半连续的。因为Eε(X)=F(X)∩ H(X)表示所有X∈ 这个断言是引理5.18的直接结果。备注5.20。

43
nandehutu2022 在职认证  发表于 2022-6-8 15:41:33
在参数优化中,ma p F通常被称为约束集映射。在我们的背景下,它可以被视为Jouiniet al.(2004)引入的集值风险度量的广义版本,并在Hamel和Heyde(201 0)中进一步研究。下一个定理是我们关于近似最优支付映射稳定性的主要结果。定理5.21。假设cl(int A)=A,集值映射G:X=> 定义为g(X):={Z∈ MX+Z∈ int A}满意度G(X)6= 对于所有X∈ 十、当ε>0时,Eε是下半连续的。证据对于任意X∈ 我们有G(X) F(X) cl(G(X))。第一个包含很明显。要建立第二个包含项,请注意f(X)=M∩ (A)- 十) =米∩ (cl(int A)- X) cl(M∩ (内景A- 十) )=cl(G(X))。此外,注意G是严格下半连续的。要显示这一点,请使用X∈ X和Z∈ G(X)。自X+Z∈ int A,我们发现开放式社区用户体验 X/X和UZ Z的M使得UX+UZ int A.这意味着W∈ G(Y)表示任意Y∈ UX和W∈ UZ,表明G确实是X的严格下半连续。因此,我们可以应用引理5.18来推断F是下半连续的。该评估现在是5.19号提案的直接结果。上述密度条件在正锥具有非空内点的模型空间中总是满足的。这尤其意味着,当某些合格的支付函数位于正锥的内部时,在有限维空间或有界随机变量空间中,接近最优的支付函数映射总是下半连续的。推论5.22。假设int X+∩ M 6=. 当ε>0时,Eε是下半连续的。证据首先请注意,A具有非空内部,因为它包含X+。取任意X∈ A和Z∈ 整数X+∩ 所有n的命令集Xn=X+nZ∈ N、 显然,我们有Xn→ 十、 我们声称Xn∈ int A适用于任何文件∈ N

44
可人4 在职认证  发表于 2022-6-8 15:41:36
要看到这一点,请将Z定义的邻域设为uz={Y∈ 十、2Z≥ Y≥ 0 }.然后,我们很容易看到,X+nuzi是X+中包含的xn的邻域,因此,在a中。这建立了该主张,并证明了cl(int a)=a。根据定理5.21,总结证明G(X)6= 对于所有X∈ 十、为此,取任意X∈ 注意Z+λX∈ λ>0时,int X+足够小。这将产生X+λZ∈ int X+表示G(X)不是空的。本节的最后一部分用凸接受集来表示。在本案例中,密度条件cl(int A)=A是众所周知的满足条件(前提是A具有非空内部)。对于凸面情况下接近最优的支付映射低于半连续的情况,因此有必要使每个位置都“严格可接受”,即通过合适的合格支付,可以移动到接受集的内部。接下来的结果描述了可以实现这一点的一些情况。推论5.23。当s ume A是凸的且int(A∞) ∩ M 6=. 当ε>0时,Eε是下半连续的。证据固定ε>0,让Z∈ 内景(A∞) ∩ M、 那么,对于任何X∈ X我们发现λ>0小数值,因此λX+Z∈ 内景(A∞). 自A∞是一个圆锥体,相当于X+λZ∈ 内景(A∞) 并表明G(X)6=.作为定理5.21的结果,我们得出E在X是ε-下半连续的。在下一个结果中,我们用X++表示X中的严格正元素集。重新计算所有X∈ 对于所有非零功能,如果ν(X)>0,则X+严格为正∈ X′+。推论5.24。假设A是凸的,int(A∞) 6=  和X++∩ M 6=. 那么,对于每一个ε>0,Eε都是下半连续的。证据让Z∈ X个++∩ M这个断言是推论5.23的直接结果,一旦我们证明z∈ 内景(A∞). 为此,假设Z/∈ 内景(A∞). 在这种情况下,Hahn Banach发现了一个非零函数∈ X′令人满意(注意0∈ A.∞)^1(Z)≤ σA∞(φ) ≤ 0 .

45
大多数88 在职认证  发表于 2022-6-8 15:41:39
(13) 自A∞是一个圆锥体,引理2.1表示ν(X)≥ 0表示所有X∈ A.∞. 特别是,由于X+ A、 我们看到了∈ X′+。通过严格的正性,这将产生大于0的ν(Z),然而,这与(13)相矛盾。

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, 2026-1-2 20:27