标准动态规划参数为v提供了以下HJB公式:tv=Lv+dXi,j,k,l=1D(ij)vTraij(akl)\'D(kl)v+pr+supπpπ′∑ν+dXi,j=1σCaijρD(ij)v+p(p- 1)π′Σπ, t>0,x∈ Sd++,0=v(0,x),x∈ Sd++。(2.14)前面方程中的op-timizerπ可以逐点获得,并由(2.15)π(t,x;v)给出:=1.-p∑-1.∑ν+Pdi,j=1σCaijρD(ij)v(t,x),m>n1-pσ(σ′σ)-1.σ′ν+Pdi,j=1CaijρD(ij)v(t,x),m≤ n、 t>0,x∈ Sd++。定义q:=p/(p- 1) 作为p和函数Θ:Sd的共轭++→ Sd++通过(2.16)Θ(x):=σ′Σ-1σ(x)m>nmm≤ n、 x个∈ Sd++。将(2.15)中的π公式插入(2.14)中,经过长时间的计算,得出了v的以下半线性Cauchy问题:vt(t,x)=F[v](t,x),0<t,x∈ Sd++,v(0,x)=0,x∈ Sd++。(2.17)这里,微分算子F定义为(2.18)F:=dXi,j,k,l=1A(ij),(kl)D(ij),(kl)+dXi,j=1'bijD(ij)+dXi,j,k,l=1D(ij)'A(ij),(kl)D(kl)+V,带A(ij),(kl)(x):=Traij(akl)\'(x) ,\'A(ij),(kl)(x):=Traij(akl)\'(十)- qρ′(aij)′C′Caklρ(x),\'bij(x):=bij(x)- qν′σCaijρ(x),V(x):=pr(x)-qν′∑ν(x),i,j,k,l=1。。。,d、 x个∈ Sd++。(2.19)注意,πin(2.15)和F in(2.18)根据m>n或m采取不同的形式≤ n(两种形式在m=n时重合),使用L f的定义,从(2.13)我们得到(2.20)f=L- qdXi,j=1ν′σCaijρD(ij)+dXi,j,k,l=1D(ij)(R)A(ij),(kl)D(kl)+V。在第3节中,在适当的参数假设下,证明了(2.17)的适定性,并证明了(2.17)的解V,在适当的增长约束下,是(2.12)中矩阵值因子模型的长期最优投资。此外,(2.12)的最优策略由(2.21)πTt:=π(T)给出- t、 Xt;v) ,0≤ t型≤ T、 对于π(·,·;v),从(2.15)开始。2.4. 长期收敛。
|