Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1605.05802

帮助 | 高级搜索

定量金融 > 数学金融

arXiv:1605.05802 (q-fin)
[提交于 2016年5月19日 ]

标题: 部分信息下的递归效用最大化

标题: Recursive utility maximization under partial information

Authors:Shaolin Ji, Xiaomin Shi
摘要: 本文研究在部分信息下的递归效用最大化问题。 我们首先将部分信息下的问题转化为完全信息下的问题。 当递归效用的生成元是凹的时,我们采用递归效用的变分公式,这导致一个随机博弈问题,并得到了该博弈的鞍点特征。 然后,我们研究K-无知情况,并得到了几个例子的显式鞍点。 最后,当递归效用的生成元是光滑的时候,我们采用终端扰动方法来表征最优终端财富。
摘要: This paper concerns the recursive utility maximization problem under partial information. We first transform our problem under partial information into the one under full information. When the generator of the recursive utility is concave, we adopt the variational formulation of the recursive utility which leads to a stochastic game problem and a characterization of the saddle point of the game is obtained. Then, we study the K-ignorance case and explicit saddle points of several examples are obtained. At last, when the generator of the recursive utility is smooth, we employ the terminal perturbation method to characterize the optimal terminal wealth.
评论: 20页
主题: 数学金融 (q-fin.MF) ; 优化与控制 (math.OC); 概率 (math.PR)
MSC 类: 93E20, 91A30, 90C46
引用方式: arXiv:1605.05802 [q-fin.MF]
  (或者 arXiv:1605.05802v1 [q-fin.MF] 对于此版本)
  https://doi.org/10.48550/arXiv.1605.05802
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xiaomin Shi [查看电子邮件]
[v1] 星期四, 2016 年 5 月 19 日 03:52:54 UTC (17 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-fin.MF
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-05
切换浏览方式为:
math
math.OC
math.PR
q-fin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号