由于多维BSDE一般没有已知的比较定理，因此我们无法将该技术应用于单个安全案例。然而，有趣的是，我们将看到Bimit（1976）[12]研究的扩散装置中与一种特殊类型的随机线性二次控制（SLQC）问题相关的反向随机Riccati微分方程（BSRDE）。定理6.1。在假设A′和B′下，BSDE（6.10）存在（V，Z）的唯一解。特别是，V在n×n对称正中间有限矩阵的空间中取值，并且是a.s.一致有界的，即存在一个正常数C′，使得ESS supsup∈[0，T]V（t）(ω)!≤ C′，（6.14）和Z∈ Hpn×n×d（0，T）对于任何p>0。证据让我们引入一个与w正交的n维布朗运动w，并考虑F′t:=FWt∨这里是w产生的增强过滤。我们研究了annF′：=（F′t）t≥0-从x开始的自适应向量过程∈ 由2n维向量过程控制的Rnat时间tθ：Xθs（t，X）=X+ZstCuθudu+nXj=1ZstDjuθudwju，s∈ [t，t]。（6.15）这里，C：Ohm ×[0，T]→ Rn×2由CU定义：=In×ndiag（λiu）（6.16）美国∈ [0，T]，其中In×nis是n维单位矩阵，diag（λi）是n维对角矩阵，其（i，i）-th元素i∈ {1，··，n}由λi给出。我们对下面的对角矩阵使用相同的表示法。Di:Ohm ×[0，T]→ Rn×2ni∈ {1，··，n}除了（i，n+i）-th元素之外，所有元素的条目都为零，而ich由[Diu]i给出，n+i=qλiu（6.17）表示u∈ [0，T]。

我们将容许策略U′定义为属于H2n（0，T）的2n维F′适应过程θ的集合。现在，让我们考虑以下SLQC问题：V′（t，x）=ess-infθ∈U′E“（Xθt）ξXθT+ZTt（Xθs）γsXθs+θsNsθsdsF′t#（6.18），其中为了节省空间，x中省略了参数（t，x），N：Ohm ×[0，T]→ R2n×2是为u定义的∈ [0，T]byNu=Mun×nn×ndiag（λiuηiu）. （6.19）然后，根据[12]中的命题5.1，关联的BSRDE由p（t）=ξ+ZTt给出(-P（u）CuNu+nXi=1（Diu）P（u）Diu-1CuP（u）+γu）du-ZTtZP（u）dWu（6.20），其中P作为V′（t，x）=x连接到值函数P（t）x.注意，由于W⊥ 并且终端值ξ和驱动器中包含的所有过程都是FW自适应的。注意NU+nXi=1（Diu）P（u）Diu=Mun×nn×ndiagλiu（[P（u）]i，i+ηiu）!（6.21）可以确认P的BSDE等于（6.10）中给出的VDE。在假设A′和B′下，ξ是正半限定且有界的，γ是正半限定且一致有界的ed，C，D和N是一致有界的。特别是，存在一个常数c>0，比如y努伊≥ c | y |，dP dt- a、 e.（6.22）对于所有y∈ R2n。因此，根据[12]中的定理em 6.1，P（因此V）有一个唯一的解，它是对称的、正半定的和a.s.一致有界的。特别是，这意味着[P（u）]i，i≥ 0，dP dt-a.e。。由于P为正，从（6.21）可以看出，0<yNu+nXi=1（Diu）P（u）Diu-1y≤|y | cdP dt- a、 e.（6.23）对于所有y∈ r2and因此Nu+Pni=1（Diu）P（u）Diu-1u∈[0，T]是一个统一有界的线性算子。使用P的边界s和其他变量，可以看到smt=P（t）- P（0）-Zt（P（u）CuNu+nXi=1（Diu）P（u）Diu-1C上升（u）- t的γu）du（6.24）∈ [0，T]是一致有界的martin gale。

因此，根据BDG不等式，对于anyp>0，存在一个正常数C，使得ZT | ZP（u）| dup/2≤ CEh | | m | | pTi<∞ （6.25）通过我们使用的相同方法，不难确定随机HJB方程产生的相同BSRDE。因此ZP（Z也是）属于Hpn×n×d（0，T）p>0。关于SLQ C问题和相关BSRDE的更一般结果，我们参考了toPeng（1992）[38]和Tang（2003,2014）[43,44]，其中正交性假设“w⊥ “W”被删除。在命题4.3、4.4和推论4.1中，以下结果以完全相同的方式得到。提议6.2。在假设A′和B′下，存在唯一解（V，Z）∈（6.11）的Sn（0，T）×Hn×d（0，T）和（V，Z）∈ 分别为（6.12）的S（0，T）×Hd（0，T）。此外，位置大小的过程Xπ*,δ*s（t，x）s∈（6.9）给出的[t，t]属于n（t，t）。候选解（π）*, δ*) （6.7）和（6.8）给出了很好的定义和满足（π）*, δ*) ∈ Sn（t，t）×Sn（t，t） 以上结果建立了主要定理。定理6.2。在假设A′和B′下，候选解（π*, δ*) （6.7）和（6.8）实际上是（5.11）给出的做市商问题的唯一最优解。证据证明与定理4.1相同。备注：标书/报价单的确定在本节结束之前，让我们对标书/报价单的可能确定进行评论。虽然我们假设做市商不会动态控制报价/报价，从而对订单流量产生偏差，但做市商业务当然必须使用可持续的规模。例如，假设利差大小BI与第i种证券的波动率|σi |成比例，即^a |σis |（6.26），其中^a>0是某个常数，i∈ {1，··，n}。

即使客户订单的强度（和/或分布）是（bi）i的非线性函数∈{1，··，n}，做市商可以通过运行基于最优策略（π）的模拟来获得成本函数或其收入分配*, δ*) 对于每个^a的选择，这将提供足够的信息来确定一个简单案例的^a.7实现的规模。在本节中，我们将讨论一个简单案例的评估方案，其中Vbecomes是非随机的。正如我们将在下面看到的，在这种情况下，最优策略的实施非常简单。考虑一个设置，其中ξ、γ、M、η、λ（因此β自然也是如此）是非随机的。在这种情况下，我们得到以下矩阵值常微分方程（ODE）的解：dV（s）ds=V（s）M-1s+diagλsV（s）+ηs五(s)- γs，s∈ [t，t]（7.1）V（t）=ξ（7.2），这与Kratz&Sch¨oneborn[31]研究的颂歌相同。只要ξ，γ，M，η，λ满足假设A′和B′的有界条件，这个Riccati方程就有一个正边界解。用标准常微分方程方法数值求解这个方程并不困难。与[31]中的模型相反，我们仍然需要评估Vto以实施最优策略（见等式（6.7）和（6.8））。为了简单起见，让我们把f（s）：=V（s）M-1s+diagλsV（s）+ηs, s∈ [t，t]，（7.3）这是一个确定性矩阵过程。让我们也考虑另一个确定性过程Yt，由ODEdYt定义，sds=F（s）Yt，s，s∈ [t，t]（7.4）式中，Yt，t=In×n。那么，我们有了-1t，sds=-Y-1吨，平方英尺（s），s∈ [t，t]（7.5）带Y-1t，t=In×n，直接获得v（s）=-Yt，sZTsY-1t，uEF（u）Su- V（u）Θu+（bψ）u-βu（bψ）u- 鲁FWsdu（7.6）代表s∈ [t，t]。人们可以看到，出价/出价差、客户订单流量和订单规模是最佳策略。

它的评估只需要苏| FWs, EΦu | FWs, E（bψ）u | FWs, E卢| FWs. （7.7）对于简单模型，这些量可以通过分析得到。另一方面，人们可以将标准的小偏差渐近展开技术应用于欧洲未定权益的定价，该技术由吉田（1992年a）[46]、高桥（1999年）[42]、Kunitomo&Takahashi（2003）[32]开发，吉田（1992年b）[47]也用于统计应用。参见Takahashi（2015）[48]及其参考文献，了解最新发展。8.一般马尔可夫情形的实现虽然在一般的条件下不可能完全求解，但获得其近似的显式表达式对于所提出方案的成功实现非常重要。类似的BSDE也适用于解决[5]中处理的不同类型的最优清算问题。此外，考虑到SL-QC问题在各种工程应用中的广泛应用，为一般BSRDE开发一个成功的近似方案本身应该是一个非常重要的研究课题。对于n个线性BSDE，存在一种解析近似技术，这是Fujii&Takahashi（2012a）[22]提出的。该方法对驱动器引入扰动，然后在每个近似阶对BSDE进行线性化。然后，它采用小扩散渐近展开来计算得到的线性BSDE。Takahashi&Yamada（2013）[45]最近对Lipschitz司机进行了辩护。我们将toFujii&Takahashi（2012b）[23]作为显式计算的示例，Fujii&Takahashi（2014）[24]作为分析计算过于繁琐的高效蒙特卡罗实现。

另见Sh iraya&Takahashi（2014）[41]和Cr\'epey&Song（2014）[17]所提议的扰动法在所谓的信用估值调整（CVA）中的具体应用。在本节中，我们提出了一种不同类型的微扰展开方法。与方法[22]相比，它不需要驱动器的扰动，并允许进行简单分析。新方法直接将BSDE扩展到相关正演SDE的小扩散极限附近，只产生一个线性常微分方程组，在每次展开时都要求解。8.1微扰展开模式让我们首先解释微扰模式的概念。我们将在稍后提供权利和错误估计。为了说明清楚，让我们假设一个安全案例。扩展到多个安全案例很简单。我们将介绍基本的factorprocess X：Ohm ×[t，t]→ 具有任意起始时间t的rdt∈ [0，T]，遵循SDE（不要将其与头寸大小过程混淆）：Xt，xs=x+Zstu（u，Xt，xu）du+Zstσ（u，Xt，xu）dWu。（8.1）式中u：[t，t]×Rd→ Rd和σ：[t，t]×Rd→ Rd×d.辅助脚本（t，x）表示该过程的初始条件，如果上下文清楚，则将省略该条件。设a函数f:Rd×R→ R由f（x，v）定义：-M（x）+λ（x）v+η（x）v+γ（x）（8.2），其中ξ，M，γ，η，λ：Rd→ R、 考虑BSDEVt，xt=ξ（xt，xt）+ZTtf（xt，xs，Vt，xs）ds-ZTtZt，xsdWs（8.3），其中V：Ohm ×[t，t]→ R、 Z:Ohm ×[t，t]→ Rd×d。该BSDE对应于（4.11），由马尔可夫因子过程X驱动的托卡斯汀系数。假设P1。系数u，σ是有界的Borel函数，而u（t，x）和σ（t，x）在（t，x）中是连续的且光滑的，具有所有阶的有界导数。2.存在常数a，a>0，因此Y∈ Rdand（t，x）∈ [0，T]×Rd，a | y|≤ Y[σσ]（t，x）y≤ a | y |。(8.4)3.

ξ（x）、M（x）、γ（x）、η（x）、λ（x）是x的有界光滑函数∈ 并满足假设A和假设B十、∈ Rd.它们也被假定有异序的有界导数。现在，为了近似这个过程，我们引入一个小参数∈]0,1]和依赖过程XdXt，X，s=u（s，Xt，X，s）ds+σ（s，Xt，X，s）dWss∈ [t，t]，Xt，x，t=x。（8.5）通过使用这个过程，我们实现了系统的小扩散渐近展开。关联的扰动BSDE由Vt，x，t=ξ（Xt，x，t）+ZTtf（Xt，x，s，Vt，x，s）ds给出-ZTtZt，x，sdWs。（8.6）现在，让我们假设的差异性，因此我们有xt，x，s=x[0]s+x[1]s+x[2]s+·Vt，x，s=V[0]s+V[1]s+V[2]s+·Zt，x，s=Z[1]s+Z[2]s+·对于（8.7）∈ [t，t]，我们定义了v[n]s:=n！NnVt，x，s=0，s∈ [t，t]（8.8），其他的也一样。对于零阶，X[0]和V[0]由常微分方程的解给出：dX[0]sds=u（s，X[0]s）s∈ [t，t]，X[0]t=X（8.9）dV[0]sds=-f（X[0]s，V[0]s）s∈ [t，t]，V[0]t=ξ（X[0]t）（8.10），对应于上一节讨论的确定性情况。由于假设P，上述Riccati方程有一个正有界解。我们显然有z[0]=0。在第一阶中，我们有线性FBSDE系统：dX[1]s=xu（s）x[1]sds+σ（s）dWss∈ [t，t]，X[1]t=0（8.11）V[1]t=xξ（T）x[1]T+ZTt(vf（s）V[1]s+xf（s）X[1]s）ds-ZTtZ[1]sdWs（8.12），其中我们使用了简写符号：u（s）：=u（s，X[0]s），σ（s）：=σ（s，X[0]s），ξ（T）：=ξ（X[0]T），f（s）：=f（X[0]s，V[0]s）。（8.13）都是确定性函数。我们还使用了x:=(/xi）1≤我≤Dv:=/v、 根据我们所做的假设，很明显，对于BSV[1]，存在一个独特的解决方案∈ Sp（t，t），Z[1]∈ 惠普（t，t）公司p>1。

事实上，当v[1]s=y（s）时明确地解决它是很简单的X[1]s，s∈ [t，t]（8.14）其中y:[t，t]→ RDI是线性ODE的解：d[y（s）]id=-dXj=1xiuj（s）[y（s）]j- vf（s）[y（s）]i-十九(s)s∈ [t，t]y（t）=xξ（T）。（8.15）由于有界性假设，Z[1]=y（s）σ（s）实际上是一致有界的。在二阶展开式中，可以找到dx[2]s=xu（s）x[2]s+（x[1]s）xu（s）X[1]sds+X[1]sxσ（s）dWs，s∈ [t，t]X[2]t=0（8.16）和v[2]t=xξ（T）x[2]T+（x[1]T）xξ（T）X[1]T+ZTtnvf（s）V[2]s+xf（s）X[2]s+vf（s）（V[1]s+x、 vf（s）x[1]sV[1]s+（x[1]s）xf（s）X[1]草皮-ZTtZ[2]sdWs，（8.17），也是一个线性BSDE。在这种情况下，我们可以从以下公式得到解：V[2]s=y（s）X[2]s+（X[1]s）y（s）X[1]s+y（s），s∈ [t，t]。（8.18）这里，y:[t，t]→ Rd，y:[t，t]→ Rd×dand y:[t，t]→ R定义为s的下一个线性常微分方程组的解∈ [t，t]，i，j∈ {1，··，d}:d[y（s）]id=-dXj=1xi（u（s））j[y（s）]j+vf（s）[y（s）]i- xif（s）d[y（s）]i，jds=-dXk=1h[y（s）]i，kxj（u（s））k+[y（s）]j，kxi（u（s））ki+vf（s）[y（s）]i，j-dXk=1[y（s）]kxi，xj（u（s））k-vf（s）[y（s）]i[y（s）]j-[y（s）]jxi+[y（s）]ixjvf（s）-xi，xjf（s）dy（s）ds=-vf（s）y（s）- Try（s）σ（s）（σ（s））（8.19）终端条件：y（T）=xξ（T），[y（T）]i，j=xi，xjξ（T），y（T）=0。（8.20）将It^o公式应用于（8.18）并将其漂移与（8.17）进行比较，即可得出上述结果。参见Fujii（2015）[21]作为扩展BSDE的相关想法。这些程序可以重复到任意的更高阶。在每个顺序中，我们都可以证明存在唯一的解V[n]∈ Sp（t，t），Z[n]∈ 惠普（t，t）公司由于有界假设和BSDE的线性（见[37]中的定理5.17），p>1。解可以用{X[i]}1的多项式表示≤我≤系数由线性常微分方程系统确定。

注意，对于每个订单n，X[n]∈ Sp（t，t）用于p>1.8.2收敛性理论8.1。在假设A，B和P下，存在一些与无关的正常数C，C′，例如EV-V[0]+NXn=1nV[n]p[t，t]≤ p（N+1）C，（8.21）EZTtZs-Z[0]s+NXn=1nZ[n]ds！p/2≤ p（N+1）C′（8.22）表示p>1和每个正整数N.证明。正义和收敛的论据与[45]的论据相似，我们将其概述如下。在假设P下，Xt，x，相对于的连续性和差异性是众所周知的（例如，参见[48]）。对于V，Z的连续性和可微性，我们可以遵循El Karouiet第2.4节的相同论点。al.（1997）[19]和马&张（2002）[34]的定理3.1。eir结果基于带有Lipschitz驱动程序的BSDE的总体估计（见[34]中的引理2.2]）。虽然在我们的例子中，驱动程序f不是ipschitz，但我们实际上可以使用相同的估计。这是因为，由于命题4.2，我们知道解V是一致有界且非负的。对于高阶导数(kV，kZ）k≥1.由于BSDE对它们来说是线性的，所以参数更简单。可以检查Lipschitz条件是否满足类似的原因。因此，[19,34]中的参数递归地保证了任意条件下的连续性和可微性。现在考虑n阶导数vt，x，n，s：=NnVt，x，s，Zt，x，n，s：=NnZt，x，s，Xt，x，n，s：=NnXt，x，s（8.23）及其对条件=0V[n]s=n的限制！Vt，x，n，s=0，Z[n]s=n！Zt，x，n，s=0，X[n]s=n！Xt，x，n，s=0. （8.24）作者感谢。

高桥感谢大家的讨论。泰勒展开式给出了s的相关BSDE as（省略上标（t，x））∈ [t，t]，Vn，s=Gn+ZTsHn，r+vf（Xr，Vr）Vn，s+xf（Xr，Vr）Xn，r博士-ZTsZn，rdWr（8.25），其中gn=n！nXk=1Xβ+··+βk=n，βi≥1k！kxξ（XT）kYj=1βj！Xβj，T（8.26）和类似的n，r=n！nXk=2Xβ+··+βk=n，βi≥1kXi=0k-iXj=k-i+1i！（k）- i） !！K-九体外受精（Xr，Vr）×k-iYj=1βj！Xβj，rkYl=k-i+1βl！Vβl，r.（8.27）以同样的方式获得Xn的SDE。对于每n，由于SDE的假设和线性，可以证明Xn·∈ Sp（t，t）每p>1和∈]0, 1].因此E|Gn | p< ∞ 坚持p>1。然后，由于（8.25）是一个线性BSDE，可以递归地显示ERTt | Hn，s | dsp<∞ 对于p>1，并且存在唯一的解vn·∈ Sp（t，t），Zn·∈ 每n的Hp（t，t），p>1和 ∈ ]0,1]，通过应用[37]中的Th eorem 5.17in。使用泰勒公式，我们可以看到svs=V[0]s+NXn=1nn！NnVs=0+N+1Z（1- u） NN！N+1νN+1Vνsν=udu=V[0]s+NXn=1nV[n]s+n+1N！Z（1）- u） NVuN+1，sdu。（8.28）因此，存在一些常数C，比如EV-V[0]+NXn=1nV[n]p[t，t]≤ p（N+1）CZE | VuN+1，·|p[t，t]du（8.29）和类似的EZTtZs-Z[0]s+NXn=1nZ[n]ds！p/2≤ p（N+1）CEZTthZ|ZuN+1，s|duidsp/2每N和p>1，这证明了这个说法。利用定理6.1所证明的假设A′、B′和V的有界性，上述结果可以很容易地推广到多重安全情形。一旦终端惩罚被随机变量ξ取代∈ Lp(Ohm), 所提出的微扰算法也可以应用于不同类别的BSDE[5]。详细的数值试验和BSRDE[43]的扩展将留给一项重要的未来工作。9.结论性意见在本文中，我们讨论了面对不确定的客户订单流入和流出的制造商的最优位置管理策略。

最优策略由s-tochastic Hamilton-Jacobi-Bellman方程的解表示，该方程被分解为三个（一个非线性和两个线性）BSDE。我们使用标准BSDE技术为单个安全案例提供了解决方案的验证，并为多个安全案例提供了与特殊类型SLQC问题的测试连接。我们还为相关的BSRDE提出了一种微扰近似技术，它只需要在每个展开阶上求解线性方程组。还对其合理性和误差进行了估计。假设相关参数具有一般F-适应性（而不是FW适应性），这是所提出框架的一个有趣扩展。当ONE在参数（如M）中引入简单的同步跳转，并在darkpo ol中执行时，就会出现这种情况。在这种情况下，剩余BSRDE的驱动因素取决于计数过程的鞅系数。据我们所知，相应的BS-R-DE解的存在唯一性尚未得到证明。结合对客户订单强度的随机过滤看起来也很有趣。例如，引入隐马尔可夫过程可能有助于对客户订单中的可能持股行为进行建模。参见《基金和保险经理均值-方差对冲问题》相关著作《福吉ii&高桥》（2015）[25]。感谢作者感谢高桥明彦的有益评论和有益讨论。作者还感谢Kenichir o Shiraya和Taiga Saito的有益讨论。

这项研究得到了金融高级研究中心（CARF）的部分支持。A在这个ap pendix中，我们研究了剩余库存Xπ的行为*,δ*t根据处罚金额的变化确定处罚期限。我们将证明，通过增加惩罚ξ的大小，它可以任意变小。这一结果表明，对于客户订单不确定的情况，所提出的策略可以看作是现有文献中最优清算解的推广。让我们取一个正常数1<L<∞ 并设置ξ=L，即eξ=βT/2+L。我们分别用（VLi，ZLi）{i=1,2,3}表示BSDE（4.11），（4.12）和（4.13）的相应解。假设c使假设（b）中的下界c为c/（1+’λ）<1，同时c:=c/[M（1+’λ）]<1/2。显然，人们总是可以选择c>0（或等效的“M”、“λ”）来满足这些不等式。引理A.1。在假设A、B、C和ξ=L的情况下，下列不等式适用于0≤ T≤ s≤ T具有与L无关的正常数C；VL（t）≤ 计算机断层扫描- t+Lexp-Zstr（u，VL（u））du≤T- s+LT- t+Lec（A.1），其中L:=L，ec:=c′M（1+’λ）和r（t，y）：=Mt+λty+ηty、 证据。由于命题4.2中的不等式具有任意性>0，人们可以选择=L=1/L。然后我们可以得到SVL（t）≤L（T）- t+L）+t- t（t- t+L）\'M+\'γ（T）- t+L）-L（T）- t+L）≤T- t+L1+\'M+\'γ（T+1）≤计算机断层扫描- t+L.（A.2）类似地，VL（t）≥EL+ZTtMs+λsηsdsFWt≥L+（1+？）λc（T）- t） （A.3）其中c>0是（b）中给出的下限。因此，Zstr（u，VL（u））du≥ZstL+1+’λc（T- u） “\'Mdu=-c′M（1+’λ）lnL+1+°λc（T- s） L+1+°λc（T- （t）. （A.4）It yieldsexp-Zstr（u，VL（u））du≤c1+？L+T- sc1+？L+T- T欧共体。（A.5）注意每0≤ T≤ s≤ TxL+T-sxL+T-TECI是x的递增函数≥ 0

因此，由于c的排列，我们得到了SEXP-Zstr（u，VL（u））du≤T- s+LT- t+L欧共体。（A.6）我们还有下面的引理。引理A.2。在假设A，B，C和ξ=L的情况下，存在一个与L无关的正常数C，使得eh | | | VL | T+| | Xπ*,δ*（0，x）| | Ti≤ C（A.7）证据。让我们提出一个：Ohm ×[0，T]→ R和α：Ohm ×[0，T]→ 阿苏：=μ+λuVL（u）+ηu苏-Θu- buψu（A.8）αu:=βubuψu- 鲁. （A.9）显然，A，α∈ S（0，T） S（0，T），其S（0，T）-范数可由依赖于林的常数控制。检查vl是否可以写为vl（t）=-E中兴通讯-Rstr（u，VL（u））duVL（s）As- αsdsFWt. （A.10）因此，通过引理A.1，它满足以下不等式：T∈ [0，T]：|VL（T）|≤ E中兴通讯-Rstr（u，VL（u））du（VL（s）As- αs）dsFWt≤ （T）- t） 呃| |α| | tFWti+Eh | | A | | TFWtiZTtT-s+LT- t+LecCT- s+Lds≤ （T）- t） 呃| |α| | tFWti+CEh | | A | TFWtiec1.-赫特- t+列支敦士登≤ CEh | |α| | T+| | A | TFWti。（A.11）通知mt:=Eh | |α| | T+| | A | TFWtiT∈[0，T]是平方可积鞅。因此，从杜布的最大不等式来看，一个是hasEh | | VL | Ti≤ 行政长官“监督”∈[0，T]mt#≤ 4CEhmT我≤ CEh | |α| T+| | A | | Ti（A.12），其中右侧可以由一个与L无关的常数控制。现在，让我们定义另一个过程：Ohm ×[0，T]→ 拉斯古=μ+λuVL（u）+ηuVL（u）+Su+Θu- Φu（A.13）满足以下条件：∈ S（0，T） 在证明的第一部分，S（0，T）及其S（0，T）范数可以由Lindependent常数控制。从（4.8）、（4.9）和（4.10）中，很容易看出*t=e-Rtr（u，VL（u））dux-中兴通讯-Rtsr（u，VL（u））duGsds+ZtZKe-Rtsr（u，VL（u））duzeN（ds，dz）+中兴通讯-Rtsr（u，VL（u））duδ*sdeHs（A.14）适用于每一个t∈ [0，T]（我们使用了符号X*t:=Xπ*,δ*t（0，x）。

利用R（·，VL（·））是一个正过程的事实和BDG不等式，我们得到了，一些与L无关的常数C，Eh | | X*||ti公司≤ 总工程师x+| | G | t+ZtZKzN（ds，dz）+Zt |δ*s | dHs≤ CEhx+| | G | T+|Φ| T+| VL | T+| S | | Ti+CEhZt | X*||sdsi。（A.15）让我们表示一个依赖于L的常数，该常数由C′控制第一项。因为我们已经知道X了*∈ S（0，T），Eh | | X*||ti公司≤ C′+CZtEh|X*||sids（A.16），因此被Gronwall引理，呃| | X*||钛≤ 等等。（A.17）结合第一部分，这些主张得到了证实。然后，我们可以建立以下结果。定理A.1。在假设A，B，C和ξ=L的情况下，存在一个L-i独立的正常数CXπ*,δ*T（0，x）我≤ CLT+L2ec（A.18），因此可以通过取一个大的L<∞作为惩罚。证据从（A.14）和引理A.1，我们有十、*T我≤ 总工程师十、E-RTr（u，VL（u））du+ ||G | | T中兴通讯-RTsr（u，VL（u））哑弹+中兴通讯-2RTsr（u，VL（u））duΦ2，s+|δ*s|ds≤ CxLT+L2ec+CEh | | X*||T+| VL | T+| G | T+| S | T+|Φ| TiZTLT- s+L2张CD。（A.19）请注意，第二项中的期望由L-ind依赖恒常引理A.2支配。假设2ec<1，我们得到十、*T我≤ CLT+L2ec+1- 2ec（T+L）LT+L2ec-L1- 2ec≤ CLT+L2ec（A.20）具有一些与L无关的正常数，hen ce得到了des-ired结果。尽管我们可以讨论奇异终端条件L的极限→ ∞ 如[5]所示，我们只能将eir结果应用于VL。对于VL，出现了一个奇异漂移项，预计该漂移项会在终点处产生不连续性。这使得详细的分析很难进行。然而，正如前面的结果所示，我们可以通过选择足够大的L<∞ 作为惩罚。

因此，在做市商收到客户订单时，所提出的策略也可以用作有效的清算策略。尽管很自然，即使在多重安全设置中，也可以想象通过增加ξ的特征值大小，可以使终端位置大小任意变小。虽然直观上很清楚，但很难证明，因为我们没有Vany more上下限的明确表达式。让我们假设，在间隔时间[T]- ，T]当某个常数>0时，M，γ，ξ，β可以通过公共常数正交矩阵O对角化。此外，假设市场制造商停止接受客户订单，并停止使用暗池。然后，通过考虑基地O的证券S和相应的位置O十、 做市商问题可以分解为n个单一的证券清算问题。在这种情况下，^V:=OVO在[T]中变成对角过程-，T]和^V:=OV仅与^V的一个对应元素相互作用。在这种特殊情况下，由于单个安全案例中的论点，显然可以通过相应的最优策略使位置任意变小。参考文献[1]Alfonsi，A.，Fruth，A.和Schied，A.（2008），《有限订单簿模型中的约束投资组合清算》，Banach Cent。公共图书馆。83, 9-25.[2] Alfonsi，A.，Fruth，A.和Schied，A.，（2010），《带一般形状函数的极限订单中的最优执行策略》，定量金融，10（2），143-157。[3] 阿尔姆格伦，R.和克里斯，N.，（1999），清算下的价值，风险，12，61-63。[4] Almgren，R.和Chriss，N.（2000），《投资组合交易的最佳执行》，风险日记，3,5-39。[5] Ankirch ner，S.，Jeanblanc，M.和Kruse，T.（2014），具有奇异终端条件的BSD Es和具有约束的控制问题，SIAM J。

控制Optim。，52(2), 893913.[6] Ankirch ner，S.和Kruse，T.，（2013），价格敏感的风险偏好下的最优交易执行，定量金融，13（9），1395-1409。[7] Bank，P.和Baum，D.（2004），《金融市场与大型交易商的投资组合优化》，数学。金融，14，1-18。[8] 贝克尔，L.和卡梅伦，M.，（2013），《大放松：买方担心做市限制的影响，风险》。网[9] Bertsimas，D.和Lo，A.（1998），执行成本的最优控制，金融市场杂志，1，1-50。[10] Bielecki，T.R.，Cousin，A.，Cr\'epey，S.和Herbertsson，A.（2014a），《具有随机强度和随机恢复的投资组合信用风险的自底向上动态模型》，统计学理论和方法的交流，43（7），1362-1389。[11] Bielecki，T.R.，C ou-sin，A.，Cr\'epey，S.和Herbertsson，A.，（2014b），《马尔可夫copula模型中组合信用风险的动态识别》，优化理论与应用杂志，161（1），90-102。[12] Bimit，J.（1976），具有随机系数的近二次最优随机控制，SIAM J.控制与优化，14（3），419-444。[13] Bremaud，P.（1981），《点过程和队列》，柏林统计中的Sprin-ger系列。[14] C artea，A.和Jaimungal，S。，（2015a），订单流和流动性规定，工作文件，ssrn-id2553154。[15] C artea，A.和Jaimungal，S.（2015b），将订单流纳入最佳执行，工作论文，ssrn-id2557457。[16] C etin，U.，Jarrow，R.and Protter，P.（2004），《流动性风险与套利理论》，金融学期刊，8311-341。[17] C r’epey，S.和Song，S.（2014），《交易对手风险与融资：沉浸与超越》，工作论文，埃弗里大学。[18] C v itani\'C，J.和Ma，J.，（1996），大型投资者的对冲期权和SDE，应用概率年鉴，6（2），370-398。[19] 北埃尔卡鲁伊，南彭。

昆内斯，M.（1997），《金融学中的倒向随机微分方程》，数学金融，7（1），1-71。[20] Fru th，A.和Sch¨oneborn，T.（2014），《具有时变流动性的订单簿中的最优交易执行和价格操纵》，数学。《金融》，24（4），651-695。[21]Fujii，M.（2015），后向SDE和期权定价的渐近展开多项式方案，出现在数量金融领域。[22]Fujii，M.和Takahashi，A.（2012a），非线性FBSDEswith摄动方案的分析近似，国际理论与应用金融杂志，15（5），1250034（24）。[23]Fujii，M.和Takahashi，A.（2012b），《不完全随机波动市场中FBSDE的扰动扩张》，金融季刊，21250015（24）。[24]Fujii，M.和Takahashi，A.，（2014），非线性BSDES与相互作用粒子方法的Pertu-rbative扩展技术，即将在亚太金融市场发表。[25]Fujii，M.和Takahashi，A.，（2015），《部分可观察投资流的基金和保险经理的最佳对冲》，定量金融，15（3），535-551。[26]Gatherel，J.和Schied，A.（2013），市场影响的动态模型和订单执行的算法，载于J.Fou q ue和J.Langsam（编辑）《系统性风险手册》，剑桥大学出版社，第22章。[27]G–okay，S.，Roch，A.和Soner，H.M.（2011），连续和离散时间的流动性模型，G.di Nunno&B.Oksendal（编辑），金融的高级数学方法，Springer Verlag，第333-366页。[28]何S.，万g，J.和闫，J.（1992），半鞅理论与随机微积分，华润出版社，北京。[29]J arrow，R.（1992），马克·埃特操纵，泡沫、角落和短挤压，J.Financ。定量。

肛门。，27(3), 311-336.[30]K obylanski，M.（2000），二次增长的后向stoc-hastic微分方程和偏微分方程，概率神经网络，28558-602。[31]K ratz，P.an d Sch¨oneborn，（2013），《持续时间中的暗池投资组合清算》，即将出版的《数学金融》。[32]K unitomo，N.和Takahashi，A.（2003），或有权益分析中渐近展开方法的有效性，应用概率年鉴，13（3），914-952。[33]马，J。an d Yong，J.（2007），前向随机微分方程及其应用，纽约州斯普林格。[34]马，J.和张，J.（2002），倒向随机微分方程的表示定理，应用概率年鉴，12（4），1390-1418。[35]Mania，M.and Tevzadze，R.，2003年，倒向随机偏微分方程和Impe-rfect套期保值，国际理论与应用金融杂志，7（7），663-692。[36]O bizhaeva，A.和Wang，J.（2013），最优交易策略和供需动态，金融市场杂志，16,1-32。[37]Pardoux，E.和Rascanu，A.（2014），随机微分方程，反向SDE，偏微分方程，斯普林格国际出版社，瑞士。[38]Peng，S.（1992），随机Hamilton-Jacobi-Bellman方程，暹罗J.控制与优化，30（2），284-304。[39]Roch，A.（2011），《流动性风险、价格影响和复制问题》，金融科技。，15, 3., 399-419.[40]Schied，A.和Sch–onborn，T.（2009），《非流动性市场中的风险规避和最优清算策略的动态》，金融斯多克出版社。，13, 181-204.[41]Shiraya，K。

和Takahashi，A.，（2014），不完善抵押的价格影响，CARF工作文件，CARF-F-355。[42]Takahashi，A.（1999），定价的渐进扩张方法，亚太金融市场，6115-151。[43]Tang，S.（2003），具有随机系数的一般线性自抗扰最优随机控制问题：线性随机Hamilton系统和倒向随机Riccative方程，SIAM J。《控制与优化》，42（1），第53-75页。[44]Tang，S.（2014），具有随机系数的一般线性二次型最优随机控制的动态规划，工作论文，arXiv:1407.5031。[45]Takahashi，A.和Yamada，T.（2013），关于带有扰动驱动的正反向SDE的渐近展开，即将发表在《国际金融工程杂志》上。[46]吉田，N.（1992年a），《与小差异有关的统计的渐近展开》，J.日本统计学家。Soc。，22(2), 139-159.[47]Yoshida，N.（1992b），通过渡边茂（Malliavin Watanabe）理论对小偏差的最大似然估计的渐近展开，概率理论和相关领域，92275-311。[48]高桥，A（2015），《金融学中的渐近展开方法》，P Fr iz，J Gathereal，A Gulisashvili，A Jacquier和J Teichman（编辑），《金融学中的大偏差和渐近方法》，第345-411页，Springer。