Westart Xk（0）：=x我们继续感应Xk（Tkm）：=Xk（Tkm-1) + αTkm公司-1000公里-1.Tkm+σ（Tkm-1000公里-1.Ak，1（Tkm）用于1≤ m级≥ 1、然后我们确定Xk（t）：=P∞l=0Xk（Tkl)11{Tkl≤t<Tkl+1} ；0≤ t型≤ T在假设I-II下，[29，30]表明（5.4）给出的ZK是一个嵌入的离散s结构，用于返回过程Z=F（X），其中re X是路径相关的SDE（5.3）（见[30]中的第5.1项）。非马尔可夫最优停止问题的不精确型近似：第二部分21建立连续值Ukj正则性的顺序；0≤ j≤ e（k，T）- 1与Zk相关，我们需要按路径工作。5.1。路径相关数据元素的路径描述：。为了研究连续值的规律性，我们需要Euler-Maruyama格式的路径表示。最初，我们定义hk：=x，然后我们继续归纳，hkm（bkm）：=hkm-1（黑色-1) + αtkm公司-1，’γkm-1（黑色-1)skm+σtkm公司-1，’γkm-1（黑色-1)kikm；bkm公司∈ Smk，用于m≥ 1，其中γkm-1（黑色-1） （t）：=米-1台l=0hkl（黑色l)11{tkl≤t<tkl+1} ；0≤ t型≤ T、 我们回顾（2.7）中定义的tknis。然后我们确定γk（bk∞)（t） :=∞Xn=0hkn（bkn）11{tkn≤对于bk，t<tkn+1}∞∈ S∞kandγkj（bkj）（t）：=(R)γk（bk∞)（t∧tkj）；0≤ t型≤ T、 j=0，e（k，T）。根据定义，γk∞Ak公司∞(ω)（t） =Xk（t，ω），对于a.aω和每个t∈ [0，T]，其中Ak∞:= {Akn；n≥ 0}. 因此，Zkj（Akj）=Zk（Tkj∧ T）=∞Xn=0F（Tkn，XkTkn）11{Tkn≤Tkj公司∧T<Tkn+1}对于j=0，e（k，T），wher e（5.5）Zkj（bkj）=∞Xn=0F（tkn，γkn（bkn））11{tkn≤tkj公司∧T<tkn+1}；j=e（k，T），0.5.2。

连续值的正则性：我们现在分析连续值的分析性质bkj7→ Ukj（bkj）=EhZkτkj+1（Akτkj+1）Akj=bkji；0≤ j≤ e（k，T）- 1、根据Remark4.1，Ukj（bkj）=ZSkZkj+1（bkj，skj+1，～ikj+1）∨ Ukj+1（bkj、skj+1、~ikj+1）P(Tkj+1，ηkj+1）∈ （dskj+1，dikj+1）| Akj=bkj对于每个bkj∈ Sjk。为了获得连续值的Sobolev型正则性，我们需要奖励函数F和SDE的系数（5.3）具有更多的正则性：假设III：奖励函数F和SDE的系数α和σ是未知的。此外，还存在常数“KLipand”和“F”，例如22 S’ERGIO C.BEZERRA、ALBERTO OHASHI、FRANCESCO RUSSO和FRANCYS DE SOUZA |α（t，ωt）- α（t′，ω′t′）|+|σ（t，ωt）- σ（t′，ω′t′）|≤(R)KLip|t型- t′|+ρ（ωt，ω′t′）和| F（t，ωt）- F（t′，ω′t′）|≤ |F级||t型- t′|+ρ（ωt，ω′t′）; t、 t′型∈ [0，T]，ω，ω′∈ D（[0，T]；R），其中ρ是D（[0，T]；R）上的标准度量，通过ρ（f，g）给出的Skorohod拓扑的基因评级：=infλ∈Kkλ- Ik∞∨ kf公司- g（λ）k∞; f、 g级∈ D（[0，T]；R），其中K是从[0，T]到[0，T]的所有严格递增函数的集合。我们现在可以介绍本节的主要结果。首先，对于Sk的Borelian集E×F，我们将应用强Markov性质得到νkn+1（E×F | bkn）=P{(Tkn+1，ηkn+1）∈ E×F}=ZEfk（x）dx×P{ηk∈ F}其中fk是i.i.d序列的密度（参见Burq和Jones[5]）Tkn；n≥ 1和ηkis a1/2-伯努利变量，该变量独立于Tk。我们观察每个（sk，…，skn）的THAT∈ (0, +∞)n、 我们可以自然地定义Ukn（sk，x，…，skn，xn），用于-r<xi<r；i=1，n、 这是可能的，因为跳跃的符号（▄ik，▄ikn）输入linearlyin hkl; 0≤ n≤ e（k，T）。然后我们写下：=(0, +∞) ×Br（0）× . . .

×(0, +∞) ×Br（0）（n倍笛卡尔积），并且稍微滥用了no-tation，snkw的一般元素仍将由bkn=（sk，x，…，skn，xn）表示。定理5.1。如果假设III成立，则对于每个n=e（k，T）- 1.0，bkn7→ Ukn（bkn）从ESNK到R.Proof是全局Lipschitz连续的。在序列中，C是一个常数，它可以从一行推迟到另一行。根据Remark4.1（见（4.8）），第一步m=e（k，T）- 1 isUkm（bkm）=ZSkZkm+1（bkm，skm+1，xm+1）P(bkm的Tkm+1，ηkm+1）（dskm+1，dxm+1）∈eSmkwhereZkm+1（bkm+1）=F（tkm+1，γkm+1（bkm+1））；如果skm+1≤ T-tkmF（tknT，γknT（bknT））；如果T- tkm<skm+1和Anti是实现tknT的整数（nT<m+1）≤ T<tknT+1每当T- tkm<skm+1。回想一下γm+1（bkm+1）=∞Xn=0hkn（bkn）11{tkn≤t<tkn+1}+hkm+1（bkm+1）11{t≥tkm+1}；0≤ t型≤ T、 如果tkm+1≤ T和γnT（bknT）=nT-1Xj=0hkj（bkj）11{tkj≤t<tkj+1}+hknT（bknT）11{t≥tknT}；0≤ t型≤ T、 如果tkm+1>T。我们将编写非马尔可夫最优停止问题的离散型近似：第二部分23hkm+1（bkm+1）=hkm+1（bkm，skm+1，~ikm+1）=hkm（bkm）+αitkm，(R)γkm（bkm）skm+1+σtkm，(R)γkm（bkm）kxm+1；bkm+1∈eSm+1k。由于平移最终和是平滑操作，因此有必要检查m=2。根据定义，ZSkZk（bk，sk，x）P(Tk，ηk）（dsk，dik）=Z+∞Zk（bk，sk，1）fk（sk）dsk+Z+∞Zk（bk、sk、，-1）fk（sk）dsk其中fk是Tk。为了简化符号，我们设置θk（dsk）=fk（sk）（dsk）。

让我们拿下∈eSkand注意到+∞Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）=Z（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）+Z+∞（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）我们将证明分为两部分：第1部分：假设III收益率Z（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）=Z（T-tk）∧（T-(R)tk）高频sk+tk，γk（bk，sk，1）- Fsk+？tk，γk（？bk，sk，1）iθk（dsk）≤Z（T-tk）∧（T-(R)tk）Fsk+tk，γk（bk，sk，1）- Fsk+？tk，γk（？bk，sk，1）θk（dsk）（5.6）≤ |F | Z（T-tk）∧（T-？tk）h？tk-？tk |+ργk（bk，sk，1），γk（bk，sk，1）iθk（dsk），其中γk（bk，sk，1）（t）=Xj=0hkj（bkj）11{tkj≤t<tkj+1}+hk（bk，sk，1）11{sk+tk≤t} ；0≤ t型≤ Tandγk（\'bk，sk，1）（t）=Xj=0hkj（\'bkj）11{tkj≤t<tkj+1}+hk（\'bk，sk，1）11{sk+\'tk≤t} ；0≤ t型≤ T、 Skorohod地形产量（参见He、Wang和Yan【19】中的示例15.11）ργk（bk，sk，1），γk（bk，sk，1）≤ C最大值1≤l≤2 | skl- \'\'skl| ∨ 最大值1≤l≤2 |香港l（(R)黑色l) - 香港l（黑色l)| ∨ |香港（(R)bk，sk，1）- 香港（bk、sk、1）|对于只依赖于T的常数C。回想一下，hk（bk）=x+α（0，x）sk+σ（0，x）kx，hk（\'bk）=x+α（0，x）\'sk+σ（0，x）kxhk（bk）=hk（bk）+αtk，γk（bk）sk+σtk，γk（bk）kx，hk（\'bk）=hk（\'bk）+α？tk，γk（？bk）(R)sk+σ\'tk，γk（\'bk）kx24 S'ERGIO C。

BEZERRA、ALBERTO OHASHI、FRANCESCO RUSSO和FRANCYS DE SOUZAγkl（黑色l)（t）=l-1Xr=0hkr（黑色）11{tkr≤t<tkr+1}+hkl（黑色l)11{tkl≤t} ，γkl（(R)黑色l)（t）=l-1Xr=0hkr（(R)bkr）11{tkr≤t<tkr+1}+香港l（(R)黑色l)11{tkl≤t} andhk（bk，sk，1）=hk（bk）+αtk，γk（bk）sk+σtk，γk（bk）k，hk（\'bk，sk，1）=hk（\'bk）+α\'tk，γk（\'bk）sk+σ\'tk，γk（\'bk）那么，香港（bk）- 香港（\'bk）|≤ |α（0，x）| | sk- (R)sk |+|σ（0，x）| | x-x |和| hk（黑色）- 香港（\'bk）|≤ |香港（bk）- hk（(R)bk）|+sk |α（tk，γk（bk））- α（\'tk，γk（\'bk））|+|α（\'tk，γk（\'bk））| sk- \'sk |+k | x | |σ（tk，γk（bk））- σ（\'tk，γk（\'bk））|+|σ（\'tk，γk（\'bk））| x-x |。同样，香港（bk、sk、1）- 香港（(R)bk，sk，1）|≤ |香港（bk）- hk（(R)bk）|+sk |α（tk，γk（bk））- α（\'tk，γk（\'bk））|+k |σ（tk，γk（bk））- σ（\'tk，γk（\'bk））|。然后，利用假设III，我们得到（5.7）ργk（bk，sk，1），γk（bk，sk，1）≤ C最大值1≤l≤2 | skl- \'\'skl|∨ 最大值1≤l≤2 | xl-x个l|对于依赖于T，k，m，KLip，α（0，x）a和σ（0，x）的常数C。通过将（5.7）插入（5.6）并使用θkis是概率度量的事实，我们得出结论Z（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）≤ Ckbk公司-(R)bkkR。第2部分：（5.8）Z+∞（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）=Z（T-tk）∨（T-？tk）（T-tk）∧（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）+Z+∞（T-tk）∨（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）。由于F的有界性假设，（5.8）右侧的第一项由max1限定≤l≤2 | skl- \'\'skl|. 我们注意到存在一个常数C，使得z+∞（T-tk）∨（T-(R)tk）Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）≤ Ckbk公司-\'BKKR每当nT（sk，sk）=nT（\'sk，\'sk）。但只要max1，nT（sk，sk）=nT（\'sk，\'sk）就成立≤l≤2 | skl-\'\'skl|是小的。将第1部分和第2部分相加，我们推断出常数C的存在性，从而Z+∞Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）≤ Ckbk-\'BKKR对于每个bk，\'bk∈锿。

同样地，Z+∞Zk（bk、sk、，-1 ) - Zk（(R)bk，sk，-1 )θk（dsk）≤ Ckbk公司-非马尔可夫最优停止问题的\'BKKR离散型近似：第二部分25对于每个bk，\'bk∈eSk。这表明bk7→ 英国（bk）是Lipschitz。第3部分：根据Rema rk 4.1（见（4.8）），我们有UK（bk）=ZSkZk（bk，sk，x）∨ 英国（bk、sk、x）P(Tk，ηk）（dsk，dx）；黑色∈eSkBy使用初等不等式| a∨b-c∨d |≤ |一∨b-一∨d |+| a∨d-c∨d |≤ |b-d |+| a-c |；a、 b、c、d∈ Rand上一步，我们有| Uk（bk）- 英国（\'bk）|≤ZSk公司Zk（bk、sk、x）∨ 英国（bk、sk、x）- Zk（(R)bk，sk，x）∨ 英国（(R)bk、sk、x）P(Tk，ηk）（dsk，dx）≤ Ckbk公司-\'bkkR+ZSkZk（bk、sk、x）- Zk（(R)bk，sk，x）P(Tk，ηk）（dsk，dik）。现在，通过使用我们在前面步骤中所做的相同分析，我们将证明存在一个常数，如thatZSkZk（bk、sk、x）- Zk（(R)bk，sk，x）P(Tk，ηk）（dsk，dik）=Z+∞Zk（bk，sk，1）- Zk（(R)bk，sk，1）θk（dsk）+Z+∞Zk（bk、sk、，-（1）- Zk（(R)bk，sk，-1)θk（dsk）≤ Ckbk公司-\'\'黑色黑色，(R)黑色∈eSk。这使我们能够得出结论。通过将推论4.1和定理5.1相结合，我们得到以下结果。在续集中，Kj=[0，T]×Br（0）× . . . ×[0，T]×Br（0）j=1，…，的j-倍笛卡尔积，e（k，T）- 1、推论5.1。让我们定义近似架构的序列shkn，j=np∈ Pj（d+1）N1/j（d+1）+2; kpk公司∞,千焦≤ 2kUkjk∞,1，Kjo，HkN，0=[-Lk，Lk]，连续值Ukj；0≤ j≤ e（k，T）- 1与（3.14）给出的最优停止问题vkg相关，其中zk是与奖励过程f（X）相关的嵌入离散结构（5.4），其中X是路径相关的SDE（5.3）。假设假设III成立，我们假设k≥ 1、那么，对于j=0，e（k，T）- 1，我们有（5.9）EkbUkj（·；AkjN）- UkjkL（ρkj）≤ O日志（N）N-22+e（k，T）-1..特别是E | bV（Ak0N）- Vk |≤ O日志（N）N-22+e（k，T）-1..证据根据定理m5.1，我们知道Ukj∈ WL∞（千焦）对于j=1，e（k，T）- 1.

然后，建筑空间HkN，j；0≤ j≤ e（k，T）-1它们在N和j中一致有界，因此Bk<∞假设（H2）。假设III产生Lk<+∞ 每k≥ 那么，我们将使用pply推论4.1得到（5.9）。示例5.1。设X为（5.3）中给出的标准过程，其中术语最终时间T=1，严格递减函数Д的离散度k=Д（k）[0，∞) → [0, ∞) （逆ξ）这样的≥1Д（k）<∞. 让我们研究非马尔可夫SDE中可能出现的全局数值误差e=e+e。误差e可以分解为两项之和：第一项（e）（在[30]中进行了研究）是离散型过滤近似误差；第二个（e）是我们在本文中研究的，它与条件期望的数值近似26 S’ERGIO C.BEZERRA、ALBERTO OHASHI、FRANCESCO RUSSO和FRANCYS DE Souza与延拓值相关。我们将[30]中的推论5.1和命题5.1应用于（5.10）E | bV（Ak0N）- Vk |=O日志（N）N-22+e（k，1）-1.,和（5.11）| Vk- S（0）|=O2βk+√kln√k!,对于0<β<1。有了估计值（5.10）和（5.11），我们现在能够推断出在给定精度水平e下恢复最佳值所需的工作量（复杂性）。事实上，让我们fix0<e<1。方程（5.11）允许我们找到与离散化相关的必要步骤数，如下所示。如果0<β≤ 0.2，则2βk=o√kln√k. 我们观察到2βk≤ e<==> k≥ ξ（e2β），根据手头的信息，我们将取k*= ξ（e2β）。本产品（k*, 1） =l^1（k*)M与离散化过程相关的步骤数。例如，如果Д（k）=2-k、 e=0.45，β=0.2，然后e2β=0.135和k*=-自然对数e2βln2=2.88。这会产生e（k*, 1) = 22×2.88 = 55步数。当然，作为e↓ 0，步骤数（k*, （1）↑ +∞, e、 例如，如果e=0.3，则k*= -ln 0.049ln 2=4.35，e（k*, 1） =41 6，依此类推。

对于给定的描述错误0<e<1和k*, 方程式（5.10）允许我们通过E | bV（Ak*0N）- Vk公司*| = O（e）。对于一个状态由分数布朗运动驱动的SDE给出的示例，我们将读者参考文献[30]中的示例5.1。6、最后一点在这项工作中，我们为完全非马尔可夫状态驱动的最优停止时间问题，即不可还原为马尔可夫过程向量的过程，提供了蒙特卡罗算法。通过使用统计学习理论技术，我们给出了一大类基于布朗运动滤波的最优停止时间问题的误差估计。显式边界取决于合适的动态规划算法的连续值的正则性。我们详细分析了基于路径相关SDE的奖励泛函的情况，并讨论了具体的线性结构逼近空间。附录本节专门介绍定理2.1的pro。为了表示简单，我们给出了二维布朗运动的极限，即设d=2。我们从以下技术问题开始。引理7.1。对于每个非负整数n，（j，r）∈ {1, 2} × {-1，1}，a<b和bkn∈ Snk，我们有Tkn+1∈ （a、b）（ηkn+1）=（j，r），Akn=bkno=Rbafk（u+k、 jn（bkn））duR∞k、 jn（bkn）fk（u）du。非马尔可夫最优停止问题的离散型近似：第二部分27证明。让我们fix一个非负整数n，（j，r）∈ {1, 2} × {-1，1}，a<b，bkn=（ikn，sk，…，skn）。让我们表示κj，r（bkn，（a，b））=PnTkn+1∈ （a、b）（ηkn+1）=（j，r），Akn=bkno。核κj，ris是一个正则条件分布，其中Tk。

, TKNHA是一个绝对连续的分布，因此已知（有关详细信息，请参见Ackerman等人[1]中的Tjur[37]和Prop 2.14）κj，r（bkn，（a，b））=跛行→+∞Pn编号Tkn+1∈ （a、b）（ηkn+1）=（j，r），Akn∈ {ikn}×V（1/p），或半径V（1/p）的每个闭合球V（1/p），以sk为中心，skn公司∈ Rn+。Mo reover，（7.1）（ηkn+1）=（j，r），Akn∈ {ikn}×V（1/p）=（ηkn+1）=（j，r），Akn∈ {ikn}×V（1/p），Tk，jj（ikn）+1>Tkn- Tk，jj（ikn）对于每个正整数p。自（sk，…，skn）7→ tkn（sk，…，skn）是连续的，那么我们有κj，r（bkn，（a，b））=PnTkn+1∈ （a、b）（ηkn+1）=（j，r），Akn=bkn，Tk，jj（ikn）+1>k、 因此，κj，r（bkn，（a，b））=PnTk，jj+1∈ （a+k、 jn（黑色），b+k、 jn（bkn））（ηkn+1）=（j，r），Akn=bkn，Tkj（ikn）+1>k、 jn（bkn）o=PnTk，jj+1∈ （a+k、 jn（黑色），b+k、 jn（bkn））Akn=bkn，Tkj（ikn）+1>k、 jn（bkn）w最后一个等式是由于1{Tk，jj（ikn）+1∈（a）+k、 jn（bkn），b+k、 jn（bkn））}与m有条件独立{（ηkn+1）=（j，r）}给定Akn=bkn。一个繁琐但基本的计算量Tk，jj（ikn）+1∈ （a+k、 jn（黑色），b+k、 jn（bkn））Akn=bkn，Tk。jj（ikn）+1>k、 jn（bkn）o=PnTk，jj（ikn）+1∈ （a+k、 jn（黑色），b+k、 jn（bkn））Tk，jj（ikn）+1>k、 总结以上步骤并注意{Tk，jm；m级≥ 1} 与密度fk相等分布，我们得到κj，r（bkn，（a，b））=PnTk，1∈ （a+k、 jn（黑色），b+k、 jn（bkn））oPnTk，1>k、 jn（bkn）o=Zbafku+k、 jn（bkn）杜兹∞k、 jn（bkn）fk（u）duan这就是证明的结论。引理7.2。对于每个非负整数n，j∈ {-1、1}和bkn∈ Snk，我们有（ηkn+1）=（j，1）（ηkn+1）=j，Akn=bkno=Pn（ηkn+1）=（j，-1)（ηkn+1）=j，Akn=bkno=。28 S’ERGIO C.BEZERRA、ALBERTO OHASHI、FRANCESCO RUSSO和FRANCYS DE SOUZAProof。让我们来看看j∈ {-1、1}和bkn∈ Snk。

我们只需要观察（ηkn+1）=（j，1）（ηkn+1）=j，Akn=bkno=PnAk，j（Tk，jj+1）=k（ηkn+1）=j，Akn=bkno=PnAk，j（Tk，jj+1）=-k（ηkn+1）=j，Akn=bkno=Pn（ηkn+1）=（j，-1)（ηkn+1）=j，Akn=bkno=1/2。我们观察到规则条件概率得到了很好的定义，因此（参见[1]中的2.14号提案），PnTkn+1∈ （a、b），（ηkn+1）=（j，r）Akn=bkno=PnTkn+1∈ （a、b）（ηkn+1）=（j，r），Akn=bknoPn（ηkn+1）=（j，r）Akn=bknoandPn（ηkn+1）=（j，r）Akn=bkno=Pn（ηkn+1）=j，（ηkn+1）=（j，r）Akn=bkno=Pn（ηkn+1）=（j，r）（ηkn+1）=j，Akn=bknoPn（ηkn+1）=jAkn=bkno=Pn（ηkn+1）=jAkn=bkno，其中最后一个标识是由于Lemma7.2。因此，引理7.1和7.2 yieldPnTkn+1∈ （a、b），（ηkn+1）=（j，r）Akn=bkno=PnTkn+1∈ （a、b）（ηkn+1）=（j，r），Akn=bknoPn（ηkn+1）=jAkn=bkno=Zbafk公司u+k、 jn公司杜兹∞k、 jnfk（u）duPn编号（ηkn+1）=jAkn=BKNO为了得出结论，我们只需要计算Pn（ηkn+1）=jAkn=bkno。引理7.3。对于每个非负整数n，j∈ {1，2}和bkn∈ Snk，我们有（7.2）Pn（ηkn+1）=j对于d=1和PN，Akn=bkno=1（ηkn+1）=jAkn=bkno=Z-∞Z∞-sfk公司s+t+k、 jn公司fkmin（bkn，j，t）dtdsYλ=1Z+∞k、 λnfk（t）dt; 如果d=2。（7.3）非马尔可夫最优停止问题的离散型近似：第二部分29证明。让我们固定bkn∈ Snkand j公司∈ {1, 2}. 身份（7.2）是显而易见的。

对于d=2，我们观察到Pn（ηkn+1）=jAkn=bkno=PnTk，jj+1<最小λ6=j{Tk，λλ+1}Akn=bkno=PnTk，jj+1+tk，jj- tk，jj- tkn<最小λ6=j{Tk，λλ+1+Tk，λλ- tk，λλ- tkn}Akn=bkno=PnTk，jj+1- （tkn- tk，jj）<最小λ6=j{Tk，λλ+1- （tkn- tk，λλ）}Akn=bkno=PnTk，jj+1- （tkn- tk，jj）- 最小λ6=j{Tk，λλ+1- （tkn- tk，λλ）}<0Akn=bkno。更准确地说，P（ηkn+1）=jAkn=bkn等于（7.4）PnTk，jj（ikn）+1- k、 jn（bkn）- 最小λ6=j{Tk，λλ（ikn）+1- k、 λn（bkn）}<0Akn=bkno。我们现在观察到∈ {ikn}×V（1/p）o=nAkn∈ {ikn}×V（1/p）o∩Tk，jj（ikn）+1≥ Tkn- Tk，jj（ikn）j=1，2}对于半径为1/p、以sk为中心的每个闭合球V（1/p），skn公司∈ Rn+。因此，[1]中的2.14号提案允许我们声明（7.4）等于（7.5）PnTk，jj（ikn）+1-k、 jn（bkn）-最小λ6=j{Tk，λλ（ikn）+1-k、 λn（bkn）}<0Akn=bkn，∩λ=1{Tk，λλ（ikn）+1≥ k、 λn（bkn）}o。我们将与引理7.1的证明类似地论证，（7.5）等于'κ（bkn）：=PnTk，jj（ikn）+1-k、 jn（bkn）-最小λ6=j{Tk，λλ（ikn）+1-k、 λn（bkn）}<0∩λ=1{Tk，λλ（ikn）+1≥ k、 λn（bkn）}o。这表明κ（Akn）是条件期望P的一个版本（ηkn+1）=jAkn公司. 特别地，如果我们表示ηkn=（ηk，…，ηkn），并注意到Tk，jj（(R)ηkn）+1- k、 jn（Akn）- 最小λ6=j{Tk，λλ（(R)ηkn）+1- k、 λn（Akn）}<0o ∩λ=1{Tk，λλ（(R)ηkn）+1≥ k、 λn（Akn）}几乎可以肯定的是，我们实际上可以选择一个版本作为‘κ（bkn）=PnTk，jj（ikn）+1- k、 jn（bkn）- 最小λ6=j{Tk，λλ（ikn）+1- k、 λn（bkn）}<0oPn∩λ=1{Tk，λλ（ikn）+1≥ k、 λn（bkn）}o；bkn公司∈ Snk。最后，还需要计算PTk，jj（ikn）+1- k、 jn（bkn）- 最小λ6=j{Tk，λλ（ikn）+1- k、 λn（bkn）}<0, 但这是雅可比方法的直接应用Tk，jj（ikn）+1与最小λ6=j无关{Tk，λλ（ikn）+1-k、 λn（bkn）}和这两个随机变量对于每个ybkn都是绝对连续的。我们得出结论。

从引理7.1、7.2和7.3中，我们得出定理2.1的证明。确认。Alberto Ohashi感谢CNPq Bolsa de Produtividadede Pesquisa拨款303443/2018-9的支持。Francesco Russo和Alberto Ohashi承认Math Amsud grant 88887.197425/201 8-00的基金支持。Francys de Souza感谢圣保罗研究基金会（FAPESP）2017/23003-6.30 S'ERGIO C.BEZERRA、ALBERTO OHASHI、FRANCESCO RUSSO和Francys de SOUZAReferences的支持[1]Ackerman、N.L.Cameron、E.F和Daniel M。R、 （2015年）。关于可计算性和分解。arXix:1509.02992。[2] 拜耳，C.、弗里兹，P和Gatheral，J.（2016）。粗略波动下的定价。数量。《金融》，16、6887–904。[3] Belomestny，D.（2013）。通过对偶经验对偶优化求解最优停止问题。安。应用程序。Probab，23，5，1988-2019年。[4] Belomestny，D.、Schoenmakers，J.和Dickmann，F.（2013）。美国类型衍生工具、金融和随机的多级双重方法，17，4717-742。[5] Burq，Z.A.和Jones，O.D.（2008）。第一次通过时布朗运动的模拟。数学计算机。模拟。77, 1, 64–71.[6] Bouchard，B.和Warin，X.《美式期权的蒙特卡罗估值：事实和改进现有方法的新算法》。在金融的数值方法中。波尔多，2010年6月系列：斯普林格数学学报，2012年第12卷，第七期。[7] Carriere，J.（1996年）。使用模拟和非参数回归对期权的早期行权价格进行估值。保险数学。经济学杂志，19，19–30。[8] Chronopoulou，A.和Viens，F.（2012年）。离散和连续时间中具有长记忆的随机波动率模型。《定量金融》，12，4635-649。[9] Cl'ement，E.、Lamberton，D.和Protter，P.（2002年）。美国期权定价方法的最小二乘回归分析。金融斯托赫，6449–471。[10] Dellacherie，C。

和Meyer，P.A.Probabilit\'es et Potential。《第四章赫尔曼》，巴黎，1975年。[11] Devore，R.A和Lorentz，G.G.构造近似，Springer-Verlag，1993年。[12] Eglo Off，D.（2005年）。用于最优停止和统计学习的蒙特卡罗算法，Ann。应用程序。概率。15,2, 1396–1432.[13] Eglo Offf，D.、Kohler，M.和Todorovic，N.（2007年）。百慕大期权定价的动态前瞻蒙特卡罗算法。应用程序年鉴。Probab，17，41138–1171。[14] Feinerman，R.P.，Newman，D.J.：多项式近似。威廉姆斯和威尔金斯，巴尔的摩，1973年。[15] Forde，M.和Zhang，H.（2017）。粗糙随机波动率模型的渐近性。数学，81114–145。[16] Gathereal，J.波动性很剧烈。可在SSRN 25094572014上获得。[17] Gramacy，R.B.和Ludkovski，M.（2015）。最优停车问题的顺序设计。暹罗J.Finan。数学，6，1748-775。[18] Gyor fi，L.、Kohler，M.、Krzyzak，A.、Walk，H.：非参数表达式的无分布理论。斯普林格，纽约，2002年。[19] 何，S-w.，Wang，J-g.，和Yan，J-a.半鞅理论和随机微积分，CRC出版社，1992年。[20] Hu，R.和Ludkovski，M.（2017）。排序响应面的顺序设计。暹罗/ASA J.不确定性定量，5，1，212239。[21]Jacod，J.，和Skohorod。A、 V.（1994年）。跳跃过滤和具有有限变化的鞅。麦斯的课堂讲稿。1583, 21–35. 斯普林格。[22]Longstaff，F.A和Schwartz，E.S.（2001年）。通过模拟评估美式期权：一种简单的最小二乘法。审查财务。研究，14113–147。【23】Karatzas，I.和Shreve，S.《数学金融学方法》。斯普林格，1998年。[24]Kohler，M.《基于回归的蒙特卡罗方法对美式期权定价的评论》。在L.Devroye、B.Karaszen、M.Kohler和R。

K orn，编辑，《应用概率和统计学的最新发展》，PhysicaVerlag，第39612010页。[25]Lamberton，D.《最佳停车和美式选择》，D aiwa讲座系列。，京都，2008年。[26]Leao，D.和Ohashi，A.（2013）。维纳泛函的弱近似。安。应用程序。Probab，23，4，1660–1691。[27]Leao，D.和Ohashi，A.（2017）。Corri ngendum“维纳泛函的弱近似”。安。应用程序。Probab，27，21294-1295。【28】Leao，D.Ohashi，A.和Simas，A.B.（2017）。路径相关函数It^o演算的弱版本。安。Probab，46，6，3399-3441。【29】Leao，D.、Ohashi，A.和Souza，F.（2018年）。路径依赖系统的随机近似最优控制。arXiv:1707.04976【30】Leao，D.，Ohashi，A.和Russo，F.（2019年）。非马尔科夫最优停止问题的离散型近似：第一部分。arXiv：1707.05234v3。发表在《应用概率杂志》上。[31]Ludkovski，M.（2009）。部分信息下最优停车的仿真方法。随机过程。Appl，119，12，2071–2087。[32]Milstein，G.N和Tretyakov，M.V.《数学物理随机数字》。Springer Verlag，2013年。[33]Peskir，G.和Shiryaev，A。N、 最优停止和自由边界问题。Birkhauser，巴塞尔，2006年。[34]Rambharat，B.和Brockwell，A.E.（2010）。股票波动率下美式期权的序贯蒙特卡罗定价。安。应用程序。Probab，4，1，222–265。[35]罗杰斯，L.C.G.（2002）。美式期权的蒙特卡罗估值。数学《金融》，12271–286。非马尔可夫最优停止问题的离散型近似：第二部分31【36】Song，B.，Liang，E.和Liu，B.（2014）。随机波动相关跳跃模型下基于粒子滤波的美式期权定价。《系统科学与信息杂志》，2，6，505–519。[37]Tjur，T.基于氡测量的概率。

概率和数理统计中的威利级数。奇切斯特：《约翰·威利父子》，1980年。[38]Tsitiklis，J.N.和Van Roy，B.（2001）。复杂美式期权定价的回归方法。IEEETrans公司。在中性网络上，12（4）：694–703。[39]Ye，F.和Zhou，E.（2013）。部分可观测马尔可夫过程的最优停止：一种基于滤波的对偶方法。IEEE Trans。自动装置。对照组，58、102698–2704。[40]Zanger，D.（2018）。依赖样本数据美式期权定价的最小二乘蒙特卡罗算法的收敛性。数学《金融》，28，1447-479。[41]Zanger，D.（2009）。有界近似集最小二乘蒙特卡罗算法的收敛性，应用。数学《金融》，16、2123–150。[42]Zanger，D.（2013）。美国期权定价l east squares蒙特卡罗算法的定量误差估计。《金融斯托赫》，17503–534。联邦大学计算机系，地址：JoaoPessoa，Rua dos Escoteiros，Para，BrazilE邮箱：sergio@ci.ufpb.brDepartamento德马特姆·阿蒂卡，巴西大学，70910-900，巴西联邦区，巴西邮政地址：amfohashi@gmail.comENSTAParisTech，法国Palaiseau，F-91120，Mar\'echaux大道828号，ematiques Appliques Appliques ees单元。电子邮件地址：francesco。russo@ensta-巴黎塔奇。国际材料学会，国际计算机协会。坎皮纳斯大学，13083-859，坎皮纳斯-SP，巴西邮政地址：francysouz@gmail.com