Professional Documents
Culture Documents
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
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:
上面课程的简要记录参考:https://quaint-bagel-343.notion.site/BSDE-240d323fff544
bed93c7a4b7c74a2b00?pvs=4
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
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
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:
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:
这里:
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
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
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. 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
5. 是可微的
Prop:
如果假设4,5成立,则 是可微的
BSDE Flow
Flow: 可以换起点
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
则有
加入Consumption之后的保序
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:
对 进行测度变换:
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
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
从而BSDE具有Markovian解:
从而可以被函数化表示:
新增条件v属于函数族 ,假设存在常数C满足对于每个 有:
股价的向量: , 初始值:
Wealth equation:
b对应到收益上:
是风险溢价向量
对应的 ,