事实上，通过匹配系数，可以直接表明XiT（X(-i） T）-θ′i；δ′i= ciUXiTX-θiT；δi,对于某些常数ci>0（不影响最优策略），当θi∈ [0，1]和δi>0由δi=δ′iδ′i定义- （δ′i- （1）1+n-1θ′iθi=θ′in-1n+nθ′i。然而，只有当（1- 1/δ′i）1+n-1θ′i< 1，确保δi>0。这当然适用于足够大的n。我们赞成我们的原始参数化，因为定理14和推论15中的公式相对简单，并且因为n中没有差异→ ∞ 限度定理14的证明。这个证明类似于定理3，所以我们只强调主干步骤。固定代理i和常量策略αk∈ R、 对于k 6=i.定义：=Yk6=iXkt1/n，其中xkt用恒定权重αk和Xk=Xk求解（32）。设置∑k：=σk+νk，我们推导出对数Xkt=ukαk-∑kαkdt+νkαkdWkt+σkαkdBt。反过来，d（log Yt）=nXk6=id log Xkt=cuα-d∑αdt+nXk6=iνkαkdWkt+cσαdBt，其中我们缩写为cuα：=nXk6=iukαk，cσα：=nXk6=iσkαk，d∑α：=nXk6=i∑αkand \\（να）：=nXk6=iνkαk。因此，过程YtsolvesdYtYt=ηdt+nXk6=iνkαkdWkt+cσdBt，Y=Yk6=ixk1/n，（37），η：=cuα-d∑α- cσα-n \\（να）.然后，ithagent解决优化问题supπi∈埃胡（XiT）1-θi/nY-θiT；δii、 （38）其中dxit=πitXit（uidt+νidWit+σidBt），Xi=Xi，带（Yt）t∈[0，T]求解（37）。然后我们得到值（38）等于v（Xi，Y，0），其中v（x，Y，t）解出HJB方程vt+maxπ∈R（σi+νi）πxvxx+π（uixvx+σicσαxyvxy）（39）+cσα+n \\（να）yvy y+ηyvy=0，对于（x，y，t）∈ R+×R+×[0，T]，带终端条件V（x，y，T）=U（x1-θi/ny-θi；δi）。应用一阶条件，通过πi获得（39）中的最大值，*（x，y，t）=-uixvx（x，y，t）+σicσαxyvxy（x，y，t）（σi+νi）xvxx（x，y，t）。（40）反过来，等式（39）减少到vt-（uixvx+σicσαxyvxy）（σi+νi）xvxx+cσα+n \\（να）yvy y+ηyvy=0。

（41）与定理3的证明一样，我们推导出上述HJB方程有一个非唯一的解（在一类适当的时间可分和空间齐次解中），并且（40）中的最优反馈控制减少到πi，*=δiui- σicσαθi（δi- 1） （σi+νi）（δi- （1）- θi/n）（δi- 1） ）。（42）我们在两种情况下证明了这一点：（i）假设δi6=1。使ansatzv（x，y，t）=U（x1-θi/ny-θi；δi）f（t）=（1- 1/δi）-1（x（1-θi/n）y-θi）1-1/δif（t）将等式（41）减少到（1- 1/δi）-1f′（t）+ρf（t）=0，其中f（t）=1，其中ρ：=（ui（1- θi/n）- σicσαθi（1- θi/n）（1- 1/δi））2（σi+νi）（1- θi/n）（1- （1）- θi/n）（1- 1/δi））- ηθi+cσα+n \\（να）θi（1+θi（1- 1/δi））。我们很容易推导出（41）isv（x，y，t）=（1）的解- 1/δi）-1（x（1-θi/n）y-θi）1-1/δieρ（1-1/δi）（T- t） （40）得到（42）。（ii）假设δi=1。使ansatzv（x，y，t）=U（x1-θi/ny-θi；δi）+f（t）=1.-θ英寸日志x- θilog y+f（t）将方程（41）简化为f′（t）+ρ=0，其中f（t）=0，ρ：=ui（1- θi/n）2（σi+νi）- θiη+θicσα+n \\（να）.反过来，（41）的解由v（x，y，t）给出=1.-θ英寸日志x- θilog y+ρ（T- t） ，和（40）减小到πi，*= ui/（σi+νi），这与δi=1时的（42）一致。我们得出如下结论。对于（α，…，αn）是常数平衡，我们必须有πi，*= αi，对于每个i=1，n、 使用（42）和缩写σα：=nnXk=1σkαk=cσα+nσiαi，我们推断αi=ui- σiσαθi（1- 1/δi）+σiαi（θi/n）（1- 1/δi）（σi+νi）（1- （1）- θi/n）（1- 1/δi））。求解αi场，αi=ui- σiσαθi（1- 1/δi）（σi+νi）（1- （1）- θi/n）（1- 1/δi））1.-σi（θi/n）（1- 1/δi）（σi+νi）（1- （1）- θi/n）（1- 1/δi））-1=ui- σiσαθi（1- 1/δi）（σi+νi）（1- （1）- θi/n）（1- 1/δi））- σi（θi/n）（1- 1/δi）=ui- σiσαθi（1- 1/δi）σi/δi+νi（1- （1）- θi/n）（1- 1/δi））=uiδi- σiσαθi（δi- 1） σi+νi（1- θi/n+δiθi/n）。（43）将两侧乘以σi，并在i=1上取平均值。

，n给出σα=Дn- ψnσα，（44），其中ψn，ψnare如（34）和（35）所示。由于1+ψn>0，方程（44）成立的充要条件是σα=Дn/（1+ψn）。然后我们从（43）中推导出平衡策略αi=πi，*是givenby（36）。备注17。注意，上面的等式（43）对所有参数值都有唯一的解。相反，指数情况下的类似方程（29）没有特定参数值的解，这就是为什么定理3中有两种情况。值得强调的是，对于CRRA的情况，我们假设相对绩效是乘性的，而不是累加的。这有两个原因。首先，正如导言中所讨论的，这在建模偏好时是很自然的，因为偏好依赖于相对回报，而不是相对财富；有关讨论，请参见[3]。第二个原因是数学可伸缩性。我们已经看到，使用几何平均值可以得到显式解。要使用算术平均值来描述类似问题，我们可以考虑以下两种可能性。首先，我们可以将优化标准修改为formUXiTnPni=1XiT；δi！。这里的挑战是，第一个参数中出现的比率不能表示为一维SDE的解。定理14和19的证明都利用了几何布朗运动的几何平均数仍然是几何布朗运动的事实，而算术平均数没有这样的性质。或者，我们可以使用形式为U（XiT）的优化准则-nPni=1XiT；δi），但会遇到更严重的问题，因为U（x，δi）定义得很好，只有f或x>0（或x≥ 如果δi>1，则为0）。

因此，该标准将强制硬约束XiT>nPni=1XiTa。s、 ，这就提出了两个自然的问题，即该约束如何传播到以前的时间，以及这是否会导致一类重要的解决方案。简而言之，使用算术平均值标准会产生相互依赖的状态和控制约束，这可能会使问题变得难以解决，最坏的情况下，可能会导致平凡或无意义的解决方案。3.2。平均场游戏。本节研究的极限为n→ ∞ 上一节分析的n-p层博弈，类似于第2.2节中指数情况的处理。我们继续进行一些非正式的讨论。回想一下，agent i的类型向量是ζi：=（xi，δi，θi，ui，νi，σi）。与之前一样，类型向量产生了一个经验度量，即概率度量onZp：=（0，∞) ×（0，∞) ×【0，1】×（0，∞) ×[0，∞) ×[0，∞) （45）由mn（A）=nnXi=1A（ζi）给出，对于Borel集A Zp。类似于指数情况，对于给定的主体i，平衡策略πi，*在Orem 14中的计算只取决于她自己的类型向量ζi和类型向量的分布mn，这使得通过达到极限。现在假设mn有一个弱极限m，在sens e thatRZpf dmn中→RZpf-dm，用于Zp上的每个边界连续函数f。设ζ=（ξ，δ，θ，u，ν，σ）表示分布为m的随机变量。然后，最优策略πi，*（参见（36））应收敛到→∞πi，*= δiuiσi+νi- θi（δi- 1） σiσi+νiД1- ψ、 （46）式中Д：=limn↑∞^1n=EΔuσ+ν和ψ：=limn↑∞ψn=Eθ（δ- 1） σσ+ν.与指数情况一样，我们将证明这种限制策略确实是平均场博弈的均衡，我们对第2.2.1节进行了详细阐述。回想一下，W和B是独立的布朗运动，随机变量ζ=（ξ，δ，θ，u，ν，σ）与W和B无关。

对于幂情况，典型向量ζ现在取空间Zp中的值。此外，过滤Fmfi是满足通常假设的最小值，其中ζ是可测量的FMF，d W和B适用。最后，回想一下fb=（FBt）t∈[0，T]表示由布朗运动B生成的自然过滤。代表代理人的财富过程solvesdXt=πtXt（udt+νdWt+σdBt），X=ξ，（47），其中投资权重π属于满足ERT |πT | dt<∞. 注意，对于所有可容许π，财富过程（Xt）t∈[0，T]是严格正的，因为ξ>0 a.s。我们表示byX是一个FMF可测量的随机变量，表示代理人连续统中的几何平均财富。然后，代表代理人的目标是最大化预期收益∈AMFEhU（XTX-θ；δ） i，（48）其中（Xt）t∈[0，T]由（47）给出。平均场平衡的定义类似于定义9。然而，我们需要将几何平均的概念适当地扩展到代理的连续统。（0，∞) 最自然地定义为expz（0，∞)日志y dm（y）！，当log y是m-可积的。事实上，当m是n个点（y，…，yn）的经验度量时，这将减少到通常的定义（yy··yn）1/n。定义18。Letπ*∈ AMFbe是一种可接受的策略，并考虑FBT可测量的随机变量X：=exp E[log X*T | FBT]，其中（X*t） t型∈[0，T]是（47）中对应于策略π的财富过程*.

我们说π*是平均场平衡（MFE），如果π*对于与此X选择相对应的优化问题（48）是最优的。常数MFE是FMF可测量的随机变量π*如果πt：=π*对于allt∈ [0，T]，然后（πT）T∈[0，T]是MFE。以下定理描述了常数MFE，恢复了从n-主体平衡中导出的极限表达式。定理19。假设a.s.，δ>0，θ∈ [0，1]，u>0，σ≥ 0，ν≥ 0，σ+ν>0。定义常数Д：=EΔuσ+ν和ψ：=Eθ（δ- 1） σσ+ν,我们假设这两种预期都存在并且是确定的。存在唯一常数MFE，givenbyπ*= Δuσ+ν- θ（δ- 1） σσ+νД1+ψ。（49）此外，我们还有恒等式[σπ*] =ψ1+ψ。在单株情况下，溶液的形式基本上与n-AgentName中的形式相同，见推论15：推论20（单株）。假设（u，ν，σ）是确定性的，ν=0，u，σ>0。确定常数δ：=E[δ]和θ（δ- 1） ：=E[θ（δ- 1） 】。存在唯一常数MFE，givenbyπ*=δ-θ（δ- 1） δ1+θ（δ- 1） 哦！uσ。定理19的证明。与指数情况一样，我们首先将最优控制问题（48）简化为低维马尔可夫问题。为此，必须限制我们对X=exp E[log XαT | FBT]的随机变量X的关注，其中Xα是（47）的财富过程，具有可接受的常数策略α。

也就是说，α是满足E[α]<∞.定义：=经验E[对数Xαt | FBT]。注意，对于t，Yt=exp E[对数Xαt | FBt∈ [0，T），因为（Bs-Bt）s∈[t，t]和Xα皮重无关。与指数情况类似，我们确定Y的动力学，并将其视为一个附加（非受控）状态过程。为此，首先使用It^o公式计算d（log Xαt）=uα-（σ+ν）αdt+ναdWt+σαdBt。定义ˇXαt：=E[对数Xαt | FBT]，并注意，与上面的y一样，ˇXαt=E[对数Xαt | FBT]，对于t∈ 设置∑：=σ+ν，注意（ξ，u，σ，ν，α），W和B是独立的，我们计算了ˇXαT=uα-∑αdt+σαdBt，（50），其中，我们再次使用符号M=E[M]表示一般可积随机变量M.Inturn，dYt=deˇXαt=Yt（ηdt+σαdBt），Y=ξ，（51），其中η：=uα-（α∑）- σα）。为了解决随机优化问题（48），我们等价地求解supπ∈AMFEhU（XTY-θT；δ） i（52），dxt=πtXt（udt+νdWt+σdBt），和（Yt）t∈[0，T]求解（51）。然后，如第2.2.2节所述，（52）的值等于E[v（ξ，ξ，0）]，其中v=v（x，y，t）是HJB方程vt+maxπ的唯一光滑（严格凹且严格递增）解∈R∑πxvxx+π（uxvx+σσαxyvxy）+σαyvy y+ηyvy=0，（53），终端条件v（x，y，T）=U（xy-θ；δ） 。请注意，此HJB方程是随机的，因为它依赖于FMF可测类型参数。应用一阶条件，通过π获得（53）中的最大值*（x，y，t）=-uxvx（x，y，t）+σ∑αxyvxy（x，y，t）∑xvxx（x，y，t）。（54）反过来，等式（53）减少到vt-（uxvx+σσαxyvxy）2∑xvxx+σαyvy+ηyvy=0。（55）接下来，我们声称，对于所有（x，y，t），π*（x，y，t）=∑-1（uδ- θ（δ- 1） σσα）。（56）我们在两种情况下证明了这一点：（i）假设δ6=1。

使ansatzv（x，y，t）=U（xy-θ；δ） f（t）=（1- 1/δ）-1x1-1/δy-θ（1-1/δ）f（t），将方程（55）简化为f′（t）+ρf（t）=0，其中f（t）=1，其中ρ：=（uδ- θ（δ- 1） σσα）2∑（δ- （1）- ηθ（1- 1/δ）-1+σαθ（θ+（1- 1/δ）-1） 。我们很容易推导出（55）isv（x，y，t）=（1）的解- 1/δ）-1x1-1/δy-θ（1-1/δ）exp（ρ（T- t） （54）得到（56）。（ii）假设δ=1。很容易检查，（55）的解v由v（x，y，t）=log x给出- θlog y+ρ（T- t） ，ρ：=u2∑- ηθ+θσα。在这种情况下，（54）变成π*（x，y，t）=u/∑，这与δ=1时的（56）一致。回顾定义18，我们发现候选控制α是一个常数MFE，weneedα=π*. 根据（18），π*是常数MFE，如果它解方程π*= ∑-1.uδ- θ（δ- 1） σσπ*. （57）将两侧乘以σ并求平均值，得出σπ*必须满足σπ*= 呃Δ∑∑i- Eθ（δ- 1） ∑∑σπ*= ^1- ψσπ*.然后我们推导出σα=Д/（1+ψ），将其推到（56）中，我们得到（49）。3.3。平衡的讨论。平衡态的一些结构性质与第2.3节中的CARA模型中观察到的相似。我们在此再次将讨论重点放在定理19和推论20的平均场情况上，因为定理14和推论15的n-主体平衡基本上具有相同的结构。唯一的区别是νkby（1+（δk）的重标度- 1） θk/n）出现在第14条中的任何地方。在集中讨论推论20.3.3.1的单一股票案例之前，我们首先讨论第19项的一般情况。一般情况。MFEπ*可以写成两个分量的和，π*= π*（1） +π*（2） ，其中π*（1） =Δu/（σ+ν）是经典的默顿投资组合，π*（2） ：=-θ（δ- 1） σσ+νД1+ψ。第二分量π*（2） 分离竞争参数θ的线性影响。

值得注意的是，π*（2） θ=0时消失。有趣的是，CRRA模型中的竞争效应与CARAmodel中的竞争效应截然不同，从某种意义上说，竞争现在导致一些代理机构在风险资产上的投资比在没有竞争的情况下要少。实际上，π的符号*（2） 与（1）相同- δ） ，假设θ>0，σ>0。因此，δ<1的代理随着θ的增加投资更多，而δ>1的代理投资更少。特别是，我们有π*（2） δ=1时=0；也就是说，具有对数效用的代理不具有竞争性，这也很容易从原始问题公式中推断出来。事实上，具有高度风险承受能力和竞争力的代理人可能会选择做空股票。也就是说，如果δ>1，θ接近1，π*可能是负数。这通常发生在δ远高于其总体平均值时，或者换句话说，当代表性代理相对于其他代理具有很强的风险容忍度和竞争力时。代表代理人的策略π*受其他因素影响，通过数量Д/（1+ψ）=E[σπ*], 而且，如第2.3节所述，我们可以将该数量视为总财富的波动性。的确，让X*表示与π对应的财富过程*（即，使用策略π求解（47*). 当时人口的几何平均财富∈ [0，T]是Yt：=对数E[exp（X*t） | FBT]，并且，正如我们在定理19的证明中所看到的，它满足dyt=Yt（ηdt+E[σπ*]dBt）。或者，可以根据类型分布直接解释比率Д/（1+ψ）。定义R=σ/（σ+ν），并注意：Д=E[Rδu/σ]和ψ=E[Rθ（δ- 1） 】。请注意，参数范围上的假设确保1+ψ>0。如前所述，通过夏普比率衡量，当其他股票的质量增加时，分子Д增加。

然而，在这种情况下，随着分子和显性分子的增加，theratioД/（1+ψ）可能不会随着人群变得更具风险耐受性（即δ平均值的增加）而增加。ψ/（1+ψ）的依赖性和π的依赖性*关于类型分布是相当复杂的。竞争权重θ的分布仅通过ψ出现，其影响由风险容忍度δ介导。粗略地说，θ的总体平均值可以对π产生积极或消极的影响*（2） 取决于（1）的“典型”标志- δ） 。这些复杂性在单个股票案例中更容易解决。3.3.2。单个库存箱。根据推论20的结果，我们可以将单一股票情况下的均衡组合写成π*= （（1- kθ）δ+kθ）uσ，（58），其中k：=？δ1+θ（δ- 1） 。（59）平衡π*因此可以写成默顿投资组合，π*= δe effu/σ，有效风险公差参数δe eff：=（1- kθ）δ+kθ=δ-θ（δ- 1） δ1+θ（δ- 1） 。（60）这种表示简化了π的一些复杂依赖关系*上一段所述的类型分布。例如，假设θ和δ不相关，那么θ（δ- 1） =θ（δ-1） 。如果δ>1，则δeff-δ|在θ中减小。也就是说，如果平均风险耐受性很高，那么，随着人群变得更具竞争力（即θ增加），代表性行为的竞争力会降低，因为δeff更接近δ。另一方面，如果δ<1，则|δeff- δ|在θ中增加。也就是说，如果平均风险承受能力较低，那么，随着人口变得更具竞争力，代表性代理人的行为更具竞争力，即δe ff远离δ。同样，如果δ=1，那么θ和θ不起任何作用。更有趣的是（δ，θ）对π的联合作用*, 当其他参数固定时。

仍然假设θ和δ不相关，请注意k的值可以在1和δ之间，因为θ在0和1之间变化。因此，如果θδ>1，则存在一个临界值，θcrit:=（θδ- 1） /（δ- 1） ，此时δ对π的影响*更改标志。当人口高度竞争时（即θ>θcrit），投资π*正如人们所预料的那样，风险资产随着风险容忍度δ的增加而增加。另一方面，当总体竞争力较低时（即θ<θcrit），π*在δ中减少。这一影响如图2所示。在（δ，θ）对π的联合作用中出现类似的跃迁*, 当其他参数固定时。当k≤ 1（相当于δ≤ 1如果我们假设θ和δ不相关），那么风险投资π*对于θ的任何值，风险容限δ都在增加。另一方面，如果k<1，则π*如果θ<1/k，则δif和ly增加。图3中显示了这种情况。注意，如果δ和θ正相关，这些影响更为显著，如果它们负相关，则不太显著。有两种方法可以解释前两段中描述的反直觉现象，即π*对于其他参数的某些（固定）值，δ可能会降低。当1<kθ时，该区域正好发生。再次假设θ和δ不相关，后一个不等式等价于θ>δ（1-θ） +θ。0.51.50.5图2。单只股票案例（推论20）：π*相对于δ和θ，θ=3/4，δ=2，u=5，σ=1。这里，θ和dδ不相关，θcrit=1/2-20-100.5图3。单只股票案例（推论20）：π*相对于δ和θ，θ=1/5，δ=2，u=5，σ=1。这里δ和θ不相关，k=5/3。为了论证，假设δ非常大。

在极限δ内→ ∞, 我们看到1<kθ当且仅当θ>θ，以及π的表达式*变为π*=1.-θθδ+θθuσ。有两个即时观察结果：（i）如果θ<θ且δ较大，则π*是正的和大的。也就是说，golong代理商竞争力较低。（ii）如果θ>θ且δ较大，则π*非常消极。也就是说，竞争对手做空了。第一种情况是θ<θ，这是很自然的：竞争力较低的代理更像默顿投资者，具有π*δ增加。另一方面，我们可以解释第二个区域，θ>θ，如下所示。尽管平均风险承受能力非常大，但我们从（i）中了解到，大多数代理人将在股票中持有大量多头头寸。如果我们的代表代理人是golong，他就无法承担足够的风险，与其他投资者一样长的时间。然后，如果股票价格上涨，代表代理人可能会取得较高的绝对业绩，但相对业绩会有所改善，因为其他在股票上投资更多的代理人将获得更高的回报。因此，一种自然的策略是做空股票，当股价下跌时，关注表现优于竞争对手的收益，而不是关注绝对表现。如果代表代理人本身具有相当的风险承受能力，愿意作为更像默顿的投资者接受相反方向的风险，这仍然是合理的。注意，这些影响不太明显，但仍存在于渐近区域δ之外→ ∞.根据【3，第13-14页】的精神，还有另一种解释。风险厌恶型代理通常希望通过比风险容忍型代理投资更少的股票来最小化波动性。然而，相对性能问题提供了额外的波动性。然后，风险规避机构可能会大量投资该股票，以减轻因表现优异而造成的损失。3.3.3。

一些其他特殊情况。其他一些特殊情况值得讨论。如果σ=0a。s、 ，没有常见噪音。在这种情况下，ψ=ψ=0，反过来MFE等于梅顿投资组合，这意味着代理根本没有竞争力。另一方面，如果ν=0 a.s.，则不存在独立噪声。在这种情况下，Д=E[δu/σ]和ψ=E[θ（δ- 1） ，最优投资组合变为π*= Δuσ-θ（δ- 1） σ（1+E[θ（δ- 1） ]Ehδ||σi。最后，如果所有代理都具有相同的类型向量（即ζ是确定性的），则π*是确定性的，而且是π*=Δu（1+θ（δ- 1） ）σ+ν。结论和扩展我们考虑了有限人口和有限人口在相对绩效关注下的最优投资组合管理问题。代理人有一个共同的投资方向和CARA或CRRA风险偏好，他们在共同噪声和特殊噪声驱动下以对数正态动力学交易个股。他们面临的竞争是，他们的个人效用标准既取决于他们的个人财富，也取决于其他人的财富。我们明确构建了相关的常数纳什和平均场平衡。我们的研究为未来的研究指出了几个方向。第一个方向是利用差异评估的概念进一步分析有限的人口问题。事实上，正如我们在定理3的证明中所提到的，我们可以将竞争的影响确定为一种责任，进而解决一个差异估值问题。类似地，对于CRRA案例，可以将竞争与乘法责任因素联系起来。当然，经典的差异定价问题与本文中的差异定价问题之间存在着根本的差异；也就是说，责任本质上是内生的，因为它取决于代理人的行动。

尽管如此，通过将均衡策略与差异对冲策略联系起来，使用差异估值参数有望对均衡策略产生更清晰的财务解释。它还将使用所谓的相对差异评估中的参数，对不同代理人群体规模的敏感性影响进行分析。这些问题留给今后的工作。在此，基金经理只关心终端财富的效用最大化（无论是绝对的还是相对于其他代理的），但也可以将中间消费纳入其中。有两种自然的方法可以做到这一点，仅针对混凝土的CRRAmodel进行讨论。首先，可以将消费效用项添加到优化标准（33）中，并将个人财富过程修改为xit=πitXit（uidt+νidWit+σidBt）- Citdt公司。虽然计算可能很繁琐，但我们希望这个问题是可以处理的。一种更有趣的方法是在FIRS t的基础上加入相对消费标准，以消费率下限的形式建模，其本身可能取决于其他代理的消费。这种设置将反映出更现实的情况，即个人消费标准受到其他代理行为的影响。本文模型的一个重要假设是，每个代理都拥有每个其他代理的个人偏好和市场参数的完整信息。这也是[3]中的主要建模成分，部分原因是基金经理公开发布他们的回报，而从这些信息中，某些信息反过来又可以被他们的竞争对手发现。虽然这无疑是一个值得考虑的建模限制，但我们的结果为现有问题提供了新的解决方案，尤其是对于具有非二次标准的平均场游戏。

此外，如果在公开发布的竞争对手参数周围引入模糊性，那么这种常识假设可能会放松。例如，这种模糊性可以通过依赖于各个视图的误差裕度来建模。这将产生一类有趣的带过滤的平均场游戏。在不同的方向上，我们模型的自然泛化将允许代理人投资任何股票，而不仅仅是分配给他们的单个股票。[3]和[2]最近根据远期性能标准对这种情况进行了分析。竞争对资产专业化的影响产生了重要的问题。虽然这种概括可能难以适用于有限的人口环境，但平均场公式可以为研究竞争与资产熟悉度、专业化和竞争的互动作用提供更易于处理的框架。最后，可以将当前模型扩展到动态变化的市场和滚动的视野。这种推广可以在向前的性能标准下进行分析，扩展了[2]的结果，自然会导致一类新的平均场游戏。它还允许进一步扩展[47]中引入的远期标准下的基准概念。确认。作者感谢Michalis Anthropelos、Mihai Sir bu，尤其是Gon,calo dos Reis的有益评论。这项工作于2017年在西雅图举行的第八届西方数学金融会议上发表；2017年爱丁堡SPDE、BSDE及其应用国际研讨会；以及2017年的动力学理论会议。作者感谢与会者提出的宝贵意见和建议。参考文献1。五、 Agarwal，N.D.Daniel和N.Y.Naik，《对冲基金中的流量、绩效和管理激励》，EFA2003年年度会议文件第501号，2003.2。

M、 Anthrop elos、T.Geng和T.Zariphopoulou，《前瞻性绩效标准下的竞争性投资战略》（2017），正在编制中。3.S.Basak和D.Makarov，《投资组合经理之间的竞争和资产专业化》，巴黎2014年12月财务会议EUROFIDAI-AFFI论文，2015.4。A、 Bensoussan，J.Frehse和S.C.P.Yam，《平均场理论中的主方程》，deMath\'ematiques Pures et Applique\'ees 103（2015），第6期，1441–1474.5。A、 Bensoussan、K.C.J.Sung、S.C.P.Yam和S.P.Yung，《线性二次平均场游戏》，优化理论和应用杂志169（2016），第2期，496–529.6。S、 Biagini和A.ˇCern\'y，《半鞅投资组合选择中的可行策略》，暹罗控制与优化杂志49（2011），第1期，第42-72.7页。S、 Biagini和M.S^irbu，《信贷额度确定时的可采性说明》，随机《概率与随机过程国际杂志》84（2012），第2-3期，157-169.8。J、 Bielagk、A.Lionnet和G.Dos Reis，《相对绩效关注下的公平定价》，SIAMJournal on Financial Mathematics 8（2017），第1435–482.9号。P、 Boyle、L.Garlappi、R.Uppal和T.Wang，《凯恩斯与马科维茨：熟悉与多样化之间的权衡》，《管理科学》58（2012），第2期，253–272.10。M、 J.Brennan，《存在固定交易成本时风险资产组合中证券的最佳数量：理论和一些实证结果》，《金融与定量分析杂志》第10期（1975年），第03483–496.11号。S、 J.Brown、W.N.Goetzmann和J.Park，《职业与生存：对冲基金和CTA行业的竞争与风险》，金融杂志56（2001），第5期，1869-1886.12。P、 Cardaliaguet、F.Delarue、J.-M.Lasry和P.-L.Lions，《平均场游戏中的主方程和收敛问题》，arXiv预印本arXiv:1509.02505（2015）。第13页。

Cardaliaguet and d C.-A.Lehalle，《平均场控制游戏与贸易拥挤应用》，arXiv预印本arXiv:1610.09904（2016）。14.R.Carmona和F.Delarue，《大种群平衡主方程》，随机分析与应用，2014年，Springer，2014年，第77–128.15页。R、 Carmona、F.Delarue和A.Lachapelle，《McKean–Vlasov dynamics与平均场游戏的控制》，《数学与金融经济学》第7期（2013），第2期，131–166.16。R、 Carmona、F.Delarue和D.Lacker，《常见噪音的平均场游戏》，《概率年鉴》44（2016），第6期，3740–3803.17。R、 Carmona，J.-P.Fouq ue和L.-H.Sun，《平均场游戏和系统风险》，数学科学传播13（2015），第4期，911–933.18。P、 Chan和R.Sircar、Bertrand和Cournot mean-field games，《应用数学与优化》71（2015），第3533–569.19号。J、 Chevalier和G.Ellison，《共同基金对激励的风险承担》，政治经济杂志105（1997），第6期，1167–1200.20。J、 D.Coval和T.J.Moskowitz，《国内偏好：国内投资组合中的本地股权偏好》，《金融杂志》54（1999），第6号，2045–2073.21。F、 Delbaen、P.Grandits、T.Rheinl¨ander、D.Samperi、M.Schweizer和C.Stricker，《指数对冲和熵惩罚》，数学金融12（2002），第2期，99–123.22。B、 丁、M.Getmansky、B.Liang和R.Wermers，《对冲基金行业的投资者流动和股票限制》，工作文件（2008年）。23.G.-E.Espinosa和N.Touzi，《相对绩效关注下的最优投资》，数学金融25（2015），第2期，221–257.24。W、 Fleming和H.M.Soner，《受控马尔可夫过程和粘度解决方案》，第25卷，Springer Science&Business Media，2006.25。C、 Frei和G.Dos Reis，《有互动投资者的金融市场：是否存在均衡？》？，《数学与金融经济学》4（2011），第。

31161–182.26。十、 Gabaix，J.-M.Lasry，P.-L.Lions和B.Moll，《不平等的动态》，计量经济学84（2016），第62071–2111.27号。S、 Gallaher、R.Kaniel和L.T.Starks，《麦迪逊大道与华尔街会面：共同基金家庭、竞争与广告》，工作文件，2006.28。R、 Gayduk和S.Nadtochiy，《限额指令簿的内生形成：交易之间的动态》，arXiv预印本arXiv:1605.09720（2016）。29.O.Gu’eant、J.-M.Lasry和P.-L.Lions，《平均场游戏与应用》，巴黎普林斯顿2010年数学金融讲座，斯普林格出版社，2011年，第205-266.30页。G、 H.Hardy、J.E.Littlewood和G.P'olya，《不平等》，剑桥大学出版社，1952.31。五、 亨德森，《利用效用最大化评估非贸易资产债权》，《数学金融》第12期（2002），第4351-373.32号。M、 Huang，R.P.Malham'e和P.e.Caines，《大种群随机动态博弈：闭环McKeanVlasov系统和纳什确定性等价原则》，信息与系统通信6（2006），第3期，221–252.33。M、 Huang和S.L.Nguyen，《具有相对效用的随机增长平均场博弈》，应用数学与优化74（2016），第3643–668.34号。十、 Huang、S.Jaimungal和M.Nourian，《一个主要次要代理最优执行问题的平均场博弈策略》，见SSRN 2578733（2017）。35.R.E.Lucas Jr和B.Moll，《知识增长与时间分配》，政治经济学杂志122（2014），第1期，1-51.36。M、 Kacperczyk、C.Sialm和L.Zheng，关于积极管理的股本共同基金的行业集中度，《金融杂志》60（2005），第4期，1983-2011.37。A、 Kempf和S.Ruenzi，《共同基金家族锦标赛》，《金融史回顾》21（2008），第21013–1036.38号。T、 S.Kim和E.Omberg，《动态非近视组合行为》，金融研究综述9（1996），第1141–161.39号。D

Lacker，《随机微分对策的平均场极限的一般表征》，《概率理论和相关领域》165（2016），第3581–648.40号。J、 -M.Lasry和P.-L.Lions，《平均场游戏》，日本数学杂志2（2007），第1期，229–260.41。W、 Li和A.Tiwari，《共同基金锦标赛的后果》，工作文件（2006年）。42.H.Liu，《偿付能力约束、多元化不足和特殊风险》，金融和量化分析杂志49（2014），第02、409–430.43号。R、 C.Merton，《连续时间模型中的最优消费和投资组合规则》，《经济学杂志》第3期（1971），第4期，373–413.44。，《信息不完全的资本市场均衡的简单模型》，《金融杂志》42（1987），第3483-510.45号。T、 Mitton和K.Vorkink，《均衡差异化和偏态偏好》，金融研究回顾20（2007），第4期，1255–1288.46。M、 Musiela和T.Zariphopoulou，《指数偏好下的差异价格示例》，《金融与随机》8（2004），第2期，229–239.47，《动态投资绩效标准下的投资组合选择》，Quantitative Fin an ce 9（2009），第2期，161–170.48。S、 Van Nieuwerburgh和L.Veldkamp，《信息固定与家庭偏见之谜》，金融杂志64（2009），第3期，1187–1215.49。，《信息获取与多元化》，经济研究回顾77（2010），第2779–805.50号。H、 Pham，《金融应用中的连续时间随机控制和优化》，第61卷，SpringerScience&Business Media，2009.51。W、 Schachermayer，《财富可能为负的不完全市场中的最优投资》，《应用概率年鉴》（2001），694–734.52。E、 R.Sirri和P.Tufano，《昂贵的搜索和共同基金流》，《金融杂志》53（1998），第51589–1622.53号。五十、 -H。

Sun，《系统风险与银行间贷款》，arXiv预印本arXiv:1611.06672（2016）。54.Y.Sun，《通过Fubini扩展和可保风险表征的精确大数定律》，Journalof Economic Theory 126（2006），第1期，31–69.55。N、 Touzi，《最优随机控制，随机目标问题和反向SDE》，第29卷，Sprin ger Science&Business Media，2012.56。R、 Uppal和T.Wang，《模型规格错误和多样化不足》，《金融杂志》第58期（2003），第6期，2465-2486。