全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1578 50
2022-06-24
英文标题:
《Optimal Stopping under Model Ambiguity: a Time-Consistent Equilibrium
  Approach》
---
作者:
Yu-Jui Huang, Xiang Yu
---
最新提交年份:
2021
---
英文摘要:
  An unconventional approach for optimal stopping under model ambiguity is introduced. Besides ambiguity itself, we take into account how ambiguity-averse an agent is. This inclusion of ambiguity attitude, via an $\\alpha$-maxmin nonlinear expectation, renders the stopping problem time-inconsistent. We look for subgame perfect equilibrium stopping policies, formulated as fixed points of an operator. For a one-dimensional diffusion with drift and volatility uncertainty, we show that every equilibrium can be obtained through a fixed-point iteration. This allows us to capture much more diverse behavior, depending on an agent\'s ambiguity attitude, beyond the standard worst-case (or best-case) analysis. In a concrete example of real options valuation under volatility uncertainty, all equilibrium stopping policies, as well as the best one among them, are fully characterized. It demonstrates explicitly the effect of ambiguity attitude on decision making: the more ambiguity-averse, the more eager to stop -- so as to withdraw from the uncertain environment. The main result hinges on a delicate analysis of continuous sample paths in the canonical space and the capacity theory. To resolve measurability issues, a generalized measurable projection theorem, new to the literature, is also established.
---
中文摘要:
介绍了一种非常规的模型模糊下的最优停止方法。除了模糊性本身之外,我们还考虑了代理人对模糊性的厌恶程度。通过$\\ alpha$-maxmin非线性期望包含模糊态度,使得停止问题时间不一致。我们寻找子博弈完美均衡停止策略,将其表述为算子的不动点。对于具有漂移和波动不确定性的一维扩散问题,我们证明了每个平衡点都可以通过不动点迭代得到。这使我们能够捕捉到更多不同的行为,这取决于代理的模糊态度,超出了标准的最坏情况(或最佳情况)分析。在波动率不确定性下实物期权估值的一个具体例子中,充分描述了所有均衡停止策略,以及其中的最佳策略。它明确表明了模糊态度对决策的影响:越是厌恶模糊,就越渴望停止——从而从不确定的环境中退出。主要结果取决于正则空间中连续样本路径的精细分析和容量理论。为了解决可测性问题,还建立了一个新的广义可测投影定理。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--
一级分类:Mathematics        数学
二级分类:Optimization and Control        优化与控制
分类描述:Operations research, linear programming, control theory, systems theory, optimal control, game theory
运筹学,线性规划,控制论,系统论,最优控制,博弈论
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-24 01:53:01
模型模糊下的最优停止:一种时间一致性均衡方法*项宇+2021年3月30日介绍了一种用于模型模糊度下最优停止的非常规方法。除了模糊性本身之外,我们还考虑了代理人对模糊性的厌恶程度。这种通过α-maxmin非线性期望包含模糊态度,使得停止问题时间不一致。我们寻找子博弈完美均衡停止策略,制定为算子的执行点。对于具有漂移和波动不确定性的一维差分,我们表明任何初始停止策略都将通过定点迭代收敛到均衡。这使我们能够捕获更多不同的行为,这取决于代理的模糊性,超出了标准的最坏情况(或最佳情况)分析。在模型模糊条件下实物期权估值的一个具体例子中,所有均衡停止策略,以及其中的最佳策略,都在适当的条件下得到了充分的刻画。它明确表明了模糊态度对决策的影响:越是厌恶模糊,就越渴望停止,以便从不确定的环境中退出。主要结果取决于正则空间中连续样本路径的简单分析和容量理论。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 01:53:05
为了解决可测性问题,还建立了一个新的广义可测投影定理。理学硕士(2010):60G40、91G80、28A05。关键词:时间不一致性、模型模糊性、模糊态度、广义可测投影定理、最优停止、实物期权估值、均衡停止策略。1简介模型模糊性(或不确定性)下的决策已被广泛研究,主要是在最坏或最好的情况下:找到了使最坏或最好的情况下的期望值最大化的策略。实际上,很少有人如此悲观(或乐观),以至于最不利(或最有利)的情况决定了他们的行为。本文介绍了一种处理模型模糊性的新框架:将agent的模糊态度作为核心成分,从而得到更真实的行为谱。*科罗拉多大学应用数学系,美国科罗拉多州博尔德80309-0526,电子邮箱:yujui。huang@colorado.edu.部分由美国国家科学基金会(DMS-1715439)和科罗拉多大学(11003573)的启动资助。+香港理工大学应用数学D系,香港九龙红磡,电子邮箱:xiang。yu@polyu.edu.hk.由香港理工大学资助,批准号15304317。我们专注于最佳停车。典型地,代理人选择一个停止时间τ来最大化其预期的折扣支付-rτg(Xτ)]。(1.1)面对模型的模糊性,不确定真实概率P的agent只能处理似是而非的概率度量集合P,或先验,它们表示agent感知的模糊性。这导致了两种类型的最优停止问题。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 01:53:08
第一种被称为鲁棒最优停止的方法是最大化最坏情况下的期望值infp∈政治公众人物-rτg(Xτ)](1.2),通过选择τ;参见Riedel(2009)、Bayraktar和Yao(2011a,b,2014)、Cheng和Riedel(2013)以及Nutz和Zhang(2015)等。另一方面,第二种类型最大化了最佳情况下的期望值supp∈政治公众人物-rτg(Xτ)];(1.3)参见例如Bayraktar和Yao(2011a,b),Ekren等人(2014),Belomestny和Kr¨atschmer(2016),以及Bayraktar和Yao(2017)。上述文献中缺少的是代理人对歧义的态度。即使具有相同的感知歧义P,不同的代理可能具有不同程度的歧义厌恶,如Curley和Yates(1989)以及Heath和Tversky(1991)的经验所示。为了区分团队歧义态度和歧义本身,Ghirardato等人(2004年)开发了决策公理化基础,导致了第一组编码歧义态度的偏好模型。Klibano ff等人(2005年)、Chateauneuf等人(2007年)等相继提出了具有模糊态度的更一般模型。在本文中,我们将Ghirardato等人(2004)第6节中介绍的α-maxmin偏好纳入最佳停止框架:agentintends最大化αinfP∈政治公众人物-rτg(Xτ)]+(1- α) 支持∈政治公众人物-rτg(Xτ)],(1.4),其中α∈ [0,1]是一个给定常数,反映了代理的模糊厌恶程度。这里,模糊度和模糊态度分别由P和α捕获。情况α=1符合s标准最坏情况分析,反映出对歧义的极端厌恶。另一个极端的α=0描述了一个纯粹喜欢模糊的代理,他只关心最佳案例值。请注意,只要满足六个基本公理,代理人的偏好完全由α-maxmin目标表征,如(1.4);见Ghirardato等人(2004)第6节。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 01:53:11
本文的目的是研究α-最大最小目标(1.4)下的停车行为。解决(1.4)的一个独特挑战是时间不一致性:我们今天发现的最优策略在未来可能不再是最优的。也就是说,我们未来的自我很可能会偏离我们今天制定的最佳战略。因此,在标准文献中找到最佳停车时间这一最终目标在这里没有意义。请注意,经典问题(1.1)以及最坏情况和最佳情况问题(1.2)和(1.3)都不能解决时间不一致的问题。事实上,(1.1)的时间一致性可以归结为条件期望的塔式属性。虽然在非线性预期下,时间一致性通常受到质疑,但Epstein和Schneider(2003)表明,对于特殊情况(1.2)和(1.3),如果先验集是矩形的,即在条件下闭合,在粘贴下稳定,则tower性质仍然成立。类似的条件在数学金融文献中独立发现,并在极大的普遍性下进一步定义;参见Nutz和van Handel(2013)、Bayraktar和Yao(2014)、Ekren等人(2014)和Nutz和Zhang(2015)。对于非线性期望(1.2)或(1.3),所有的发展都具有一定的塔特性,因此时间一致性随之而来。相比之下,α-最大最小目标,如(1.4),即使先验集合是矩形的,也不支持时间一致性。Schr¨oder(2011)第7节和Beissner等人(2016)第2节对此进行了说明。时间不一致是(1.4)真正的难题。正如Strotz(1955)所提出的,处理时间不一致性的一种明智的方法是一致的计划:知道自己的未来可能会推翻自己当前的计划,代理人会选择当前最好的行动,并将未来的不服从作为约束。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-24 01:53:15
假设每个未来的自我意志都以同样的方式进行推理,由此产生的策略是一个(子博弈完美)均衡,未来的自我没有动机偏离这个均衡。如何准确制定和获得此类战略一直是一个长期存在的问题。对此,Huang和Nguyen Huu(2018)开发了一种迭代方法,以发现时间不一致停止问题的平衡。它已被应用于非指数贴现下的停止(Huang and Nguyen Huu(2018),Huang an d Zhou(2019,2020))和概率失真(Huang,Nguyen Huu and Zhou(2020))。在本文中,我们扩展了Huang和Zhou(2020)的框架来解释α-maxminobjective(1.4)。均衡停止策略的特征是操作员Θ的固定点,定义见下文(2.12)。核心问题是是否可以通过定点迭代找到平衡。我们采用了模型模糊性的强公式,其中一维微分离子X的漂移和挥发系数仅假设满足某些Lipschitz和lineargrowth条件,其他情况未知。如引理3.2和3.1所示,先验P的求积集合相对紧凑,X是任何P下的正则微分∈ P、 X的正则性立即产生任意X点迭代的收敛性;见提案3.1。为了证明定点迭代的极限确实是一个平衡,适当收敛的停止时间和停止时的值,在P∈ P、 是必需的。在引理3.3中仔细地建立了这种非形式收敛,主要依赖于P的相对紧性和X的正则性。所有这些都导致了定理3.1,这篇文章的主要结果:通过定点迭代可以找到所有平衡点。特别是我们的fr-amework,为实物期权估值提供了新的思路。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群