Backward Stochastic Differential

Equation in Finance
Backward Stochastic Differential Equation in Finance
Notes简要介绍
BSDE介绍
1.1 Definition of Spaces and Norms
1.2 BSDE解的存在唯一性
1.3 线性BSDE的解
LSDE
完备市场对冲
对应到线性形式上
1.4 Comparison Theorem
1.5 Supersolution
Supersolution
Superstrategy
Superhedging
1.6 Flow and BSDE Dependence upon Parameters
参数tuple和解tuple的保序性
BSDE Flow
极限上的保序
加入Consumption之后的保序
和随机控制问题的关系
2.1. 和BSDE的关系
Verification theorem:
Optimal Criterion
2.2 Concave的情况
Concave generator
Recursive Utility的变分公式
Markovian Case
1. FBSDE
1.1 Deterministic Solution
1.2 Generalization of Feynman-Kac Formula
1.3 Example of European Option

Notes简要介绍
这篇notes是对N. EL Karoui，彭实戈，M. C. Quenez 1997年发表在Mathematical Finance的Backward
Stochastic Differential Equation in Finance一文的笔记。笔记的内容在文章的基础上有所调整：先介绍
BSDE基础定义和性质，再介绍和随机控制之间的关系，以及在markovian情况和PDE解的关联，最后介
绍扩展条件下的BSDE

BSDE介绍
1.1 Definition of Spaces and Norms
给定概率空间 和 下取值的布朗运动

对应的filtration , 上的

，二阶矩有界的随机变量的空间，所有
 ，包含下述所有随机过程的空间：可料过程
，
，包含下述所有随机过程的空间：可料过程
，
对 ， 是所有
的 构成的空间

1.2 BSDE解的存在唯一性
公式：

微分形式：

积分形式：

终值(terminal value)

generator(不知道怎么翻译lol动力系统供应 发电机lol) 是从
的映射，从而是 其中 是资产个数， 是
张成空间的维数

BSDE不同的地方在于有确定的终值

解：

对应的解是

标准参数（standard parameter）：假设 , 且 是一致

Lipschitz的, i.e.:

是连续的 适应过程

是 可预过程，且满足

则在标准参数下，存在唯一解 （平方可积解）

证明：

证明的具体过程参考CIRM的BSDE相关视频 Peter Imkeller: An introduction to BSDE

(youtube.com)

上面课程的简要记录参考：https://quaint-bagel-343.notion.site/BSDE-240d323fff544
bed93c7a4b7c74a2b00?pvs=4

主要的方法是在合适的Banach space构造收缩算子，利用fixed point证明解的存在唯一

性

算子：

收缩条件：
 迭代求解：

根据解的存在唯一性的证明可以得到 迭代解的方法：

1.3 线性BSDE的解
LSDE

线性BSDE（LSDE）的二次可积解：

是有界的 可料过程， , , 则:

有唯一解

这里 是伴随过程:

当 非负时， 也非负

特别地: 如果 ,

完备市场对冲

上述线性BSDE的金融实例是在下述假设下（动态完备市场）的对冲问题：

短期利率 是可料有界过程

资产增值率 是可料有界过程

波动率矩阵 可料且有界，且满秩，且逆矩阵 有界

风险溢价 可料且有界

上述条件下，对正平方可积或有求偿权 （positive square-integrable contingent claim，例如Euro call

option到期收益 ）的自融资（self-financing）策略 :

是资金变化过程， 是对冲资产对应配置比例

市场价值 是期权的公允价值&价格上界，有：

Brief prove:

定价核 下 是鞅，取
 从而根据鞅表示定理

得到:

从而 可以证明是满足子融资策略LBSDE的

对应到线性形式上

1.4 Comparison Theorem

就是不会串线lol (bushi) 说明了参数到解的保序关系

是两组标准BSDE参数，对应的平方可积解是 则假设

可得到

特别地，如果

从而有Corollary 2.2:

如果 a.s. a.s., then a.s. In addition, if on a set , then

, on a.s. a.s. on

1.5 Supersolution
Supersolution

更宽泛的形式，将Comparison Theorem的两组解连接起来，用刻画两条随机轨道之间的距离，且
说明距离的递增性：

假设 ， 对于具有标准化参数 的BSDE的一个supersolution 满足:

这里：

是 R-value, -measurable R.V.

是右连续，左有限（RCLL）适应实过程， Y连续则称解连续

Z是平方可积可料过程

是递增适应右连续过程，且
 Y是下有界的： 平方可积 ,

对于Comparison Theorem的两组解，存在 ， 是 的supersolution

对于supersolution一个重要的性质是两个连续supersolution取较小的解仍然是supersolution:

是对 的连续supersolution, 则存在
是
的supersolution

Superstrategy

对应到自融资的superstrategy（有多的资金消费bushi）:

V：wealth process

portfolio process

C: cumalative consumption process

这里C是递增，右连续的适应过程且 , 上述superstartegy是可行的如果满足:

Superhedging

一个superhedging的例子是在不完备的市场，无法进行完全对冲：前j种资产能被交易，用来对冲
，从而市场波动率能够被划分为 ，

从而wealth process:

从而hedge process:

是n个资产在可选资产上风险溢价的投影：

但是上述对冲可能无解

关心 的upper price: , 是superstrategy的集合

对 增加惩罚项：风险溢价
得到

(类似Lagrange multiplier)

定义
 可以证明 是superhedging strategy的市场价值:

这样的X可以通过k逐渐逼近（逐渐加大风险溢价penalty）获得:

1.6 Flow and BSDE Dependence upon Parameters

参数tuple和解tuple的保序性

讨论BSDE的一族标准参数 ，对应解写成 ，假设

1. 是一致Lipschitz的: 共有的C

2. 是连续的： 收敛 函数和R.V.收敛

3. 关于 是一致Lipschitz的

4. 是关于 可微的，且微分 一致连续

5. 是可微的

Prop:

如果满足上述假设1，2，则 是连续的，且3成立，且 是连续的

如果假设4，5成立，则 是可微的

BSDE Flow

Flow: 可以换起点

For any stopping time

收敛： ， in ， 则对应的解收敛
in

极限上的保序

保序且收敛

以上对参数和解的讨论说明了 和 一一对应且保序的关系

从而有:

进一步到ess inf:

存在 满足：
则有

对ess inf sup同样成立：

则有

加入Consumption之后的保序

在现实的经济学含义下： 是两个terminal rewards, 是两个消费过程， 是关于

的recursive utilities, 则有

时间一致性 ,如果 且 ,如果 a.s. 则有

对terminal value的单调性 ，如果 则有

对consumption单调 （同上 互换一下）

Concavity: 如果generator 对 都concave,则Y也concave:

和随机控制问题的关系
下面进一步应用到随机控制问题中， 对应value function

控制过程服从一族等价测度：

其中 和 被bound 限制的可料过程。可行的控制是在(Polish) 空间U上的可料过程，可

行控制的集合写作 ，问题是选择u来最小化目标函数：

是终值条件， 是running cost

对 进行测度变换：

从而在测度 下： 下density为 的概率测度，上述目标函数可以写为:

2.1. 和BSDE的关系
, 是LBSDE在标准参数下的解：

哈密顿过程 相应地是 的伴随过程：

Verification theorem:

定义：

是标准参数，则控制问题的解 等于对应BSDE的解:

Optimal Criterion

一个控制 是0-optimal的当且仅当:

2.2 Concave的情况
Concave generator

A concave generator is an infimum of linear generators

是标准的BSDE generator, 且对y和z都concave, 则令 是对应的polar process:

对应共轭关系：

存在最优控制 使得

Recursive Utility的变分公式

A natural assumption for a recursive utility is the concavity if the generator f with respect to
​

generator对应到Utility上:
其中 是adjoint processes, 在形式上也可以被看做deflator

Markovian Case
假设随机性都来源于transition equation; 解具有Markovian性质： ; generator
f能够只被时间和status表示，对应的SDE就能转换为PDE问题。

1. FBSDE
Forward-backward SDEs.

对于给定的 ​，有下面的SDE:

（从t开始，P的dynamic启动！)

上述方程的解为 . 我们考虑下面的BSDE:

对应的解是 这对系统被称为FBSDE，对应的解：
。 对应参数和函数需要满足Lipschitz条件

1.1 Deterministic Solution

可以通过证明 是 -adapted， ，从而

是确定的， ,

从而BSDE具有Markovian解：

从而可以被函数化表示：

在globally Lipschitz和微分性质良好 的情况下有:

1.2 Generalization of Feynman-Kac Formula

新增条件v属于函数族 ，假设存在常数C满足对于每个 有:

则 是下述quasilinear parabolic PDE的解:

 是二阶微分算子：

1.3 Example of European Option

股价的向量: , 初始值:

Wealth equation:

b对应到收益上：

是风险溢价向量

考虑contingent claim: , 存在对应的平方可积对冲策略

是contingent claim: 在s时刻的价值（对应期权的价格），从而满足：

对应的 ,