2. 香港中文大学 系统工程与工程管理学院, 香港 999077
2. School of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Hong Kong 999077, China
随着20世纪初Bachelier在其博士论文[1]中引入布朗运动作为风险资产价格变动过程, 微分方程在金融中得到了广泛应用, 如经典的Black-Scholes期权定价模型[2], Merton的最优投资消费模型[3]等.近年来, Taksar等人在文献[4]中考虑了精算领域中的几类最优分红模型, 这些模型的求解可归结为求解常微分方程(或者其变分不等式)问题, 且不难求出解的表达式.而对于非稳态问题, 对应的是抛物型方程, 一般不能给出显性解.因此需要用到偏微分程技术对问题的解进行先验估计来定性定量地刻画解和自由边界的性质(见[5-6]).本文的模型来自于文献[4], 但考虑的是有限时间的模型.
在金融领域, 关于梯度约束的抛物型变分不等式在文献[7-10]中已得到一些进展, 解决此类问题的一般方法是把目标函数的变分不等式转化成其梯度的变分不等式, 这样就把梯度约束问题转变成了函数约束问题.但由于本文中遇到的是半无界问题, 如果按上述方法将会产生一个混合边界条件而不方便讨论, 故我们直接对梯度约束的变分不等式进行惩罚逼近来获得解和自由边界的性质.最终我们不仅证明变分不等式
我们考虑在概率空间
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} {\rm d}R_{s}=\mu {\rm d}t+\sigma {\rm d}W_{s}-{\rm d}L_{s}, t\leqslant s\leqslant T, \\ R_{t-}=x, x> 0, \end{array} \right. \end{eqnarray} $ | (1) |
其中,
$ \begin{eqnarray} \tau=\inf\{s\geqslant t:R_s\leqslant0\}. \end{eqnarray} $ | (2) |
则
$ {J_{t,x}}(L) = {E_{t,x}}[\int_t^{{T^ \wedge }\tau } {{{\rm{e}}^{ - c(s - t)}}{\rm{d}}{L_s}} ]: = E[\int_t^{{T^ \wedge }\tau } {{{\rm{e}}^{ - c(s - t)}}{\rm{d}}{L_s}|{R_{t - }} = x} ], $ |
其中常数
$ V(x,t) = \mathop {\sup }\limits_{L \in {L_t}} {J_{t,x}}(L) = \mathop {\sup }\limits_{L \in {L_t}} {E_{t,x}}[\int_t^{{T^ \wedge }\tau } {{{\rm{e}}^{ - c(s - t)}}{\rm{d}}{L_s}} ]. $ | (3) |
通过动态规划原理(见[11]), 可得到
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} \min\Big\{-V_t-\dfrac{1}{2}\sigma^2V_{xx}-\mu V_x+cV, \;V_x-1\Big\}=0, x>0, 0 < t\leqslant T, \\[2mm] V(0, t)=0, 0 < t\leqslant T, \\ V(x, T)=x, x>0. \end{array} \right. \end{eqnarray} $ | (4) |
作变换
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} \min\Big\{v_t-\dfrac{1}{2}\sigma^2v_{xx}-\mu v_x+cv, \;v_x-1\Big\}=0, (x, t) \in (0, \infty)\times(0, T], \\[2mm] v(0, t)=0, 0 < t\leqslant T, \\ v(x, 0)=x, x>0. \end{array} \right. \end{eqnarray} $ | (5) |
我们将证明问题(5)的解满足:存在
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} \min\{v_t-\mathcal{F} v, \;v_x-1\}=0, (x, t)\in Q_T^N:=(0, N)\times(0, T], \\ v(0, t)=0, v_x(N, t)=1, 0 < t\leqslant T, \\ v(x, 0)=x, 0 < x < N, \end{array} \right. \end{eqnarray} $ | (6) |
其中,
引入惩罚函数
$ \begin{eqnarray*} &&\beta _{\varepsilon }(\cdot)\in C^{2}(-\infty, +\infty ), \; \beta _{\varepsilon }(x)\leqslant 0, \\[2mm] &&\beta _{\varepsilon }^{\prime }(x)\geqslant 0, \; \beta _{\varepsilon }^{\prime \prime }(x)\leqslant 0, \;\beta _{\varepsilon}(0)=-c, \\[2mm] &&\lim\limits_{\varepsilon \rightarrow 0}\beta _{\varepsilon }(x)=\left\{\!\! \begin{array}{ll} 0, &x>0, \\ -\infty, &x < 0. \end{array} \right. \end{eqnarray*}% $ |
考虑惩罚逼近问题
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} v^\varepsilon_t-\mathcal{F} v^\varepsilon+(1+x) \beta _{\varepsilon }(v^\varepsilon_x-1)=0, (x, t)\in Q_T^N, \\ v^\varepsilon(0, t)=0, v^\varepsilon_x(N, t)=1, 0 < t\leqslant T, \\ v^\varepsilon(x, 0)=x, 0 < x < N. \end{array} \right. \end{eqnarray} $ | (7) |
定理2.1 问题(7)存在解
$ \begin{eqnarray} x\leqslant v^\varepsilon\leqslant x+\dfrac{\mu}{c}(1-{\rm e}^{-ct})+\varepsilon\Big(x+\dfrac{\mu}{c}\Big). \end{eqnarray} $ | (8) |
证明 由Leray-Schauder不动点定理(见[12]), 可以证明问题(7)存在解
我们证明式(8)的第一个不等式.令
$ \left\{\!\! \begin{array}{l} \phi_t-\mathcal{F} \phi+(1+x)\beta_{\varepsilon}(\partial_x \phi-1)=-\mu-c\leqslant0, (x, t)\in Q_T^N, \\ \phi(0, t)=0, \partial_x \phi(N, t)=1, 0 < t\leqslant T, \\ \phi(x, 0)=x, 0 < x < N, \end{array} \right. $ |
由拟线性方程的比较原理(见[14]),
再证式(8)的第二个不等式, 令
$ \!\! \left\{\!\! \begin{array}{l} \Phi_t-\mathcal{F} \Phi+(1+x)\beta_{\varepsilon}(\partial_x \Phi-1)=c \varepsilon x\geqslant0, (x, t)\in Q_T^N, \\ \Phi(0, t)\geqslant0, \partial_x \Phi(N, t)=1+\varepsilon, 0 < t\leqslant T, \\ \Phi(x, 0)\geqslant x, 0 < x < N. \end{array} \right. $ |
由比较原理,
性质2.2
$ \begin{eqnarray} v^\varepsilon_x \geqslant 1. \end{eqnarray} $ | (9) |
证明 对(7)中的方程两边关于
$ \begin{eqnarray} \partial_tv^\varepsilon_x-\mathcal{F} v^\varepsilon_x+\beta _{\varepsilon }(v^\varepsilon_x-1)+(1+x)\beta'_{\varepsilon }(v^\varepsilon_x-1)\partial_xv^\varepsilon_x=0. \end{eqnarray} $ | (10) |
令
$ \partial_tw-\mathcal{F} w+\beta_\varepsilon(w-1)+(1+x)\beta'_\varepsilon(v^\varepsilon_x-1)\partial_xw=0. $ |
再由
$ v^\varepsilon_x(0, t)\geqslant1, v^\varepsilon_x(N, t)=1, 0 < t\leqslant T, $ |
$ v^\varepsilon_x(x, 0)=1, 0 < x < N, $ |
由比较原理, 得
性质2.3
$ v^\varepsilon_t\geqslant 0. $ |
证明 对任意的
$ \left\{\!\! \begin{array}{l} \partial_t\widetilde{v}-\mathcal{F} \widetilde{v}+(1+x)\beta_{\varepsilon}(\widetilde{v}_x-1)=0, (x, t)\in Q_{T-h}^N, \\[1mm] \widetilde{v}(0, t)=0, \widetilde{v}_x(N, t)=1, 0 < t\leqslant T-h, \\[1mm] \widetilde{v}(x, 0)=v^\varepsilon(x, h)\geqslant x, 0 < x < N.\\ \end{array} \right. $ |
由比较原理,
性质2.4
$ v^\varepsilon_{xt}\geqslant 0. $ |
证明 注意到
性质2.5
$ v^\varepsilon_{xx}\leqslant 0. $ |
证明 我们先证明
$ \begin{eqnarray} v^\varepsilon_x(x, t)\leqslant v^\varepsilon_x(0, t), (x, t)\in Q_T. \end{eqnarray} $ | (11) |
事实上, 比较式(10),
$ \partial_tf^\varepsilon-\mathcal{F} f^\varepsilon+\beta _{\varepsilon }(v^\varepsilon_x-1)+(1+x)\beta'_{\varepsilon }(v^\varepsilon_x-1)\partial_xf^\varepsilon=\partial_tf^\varepsilon+cf^\varepsilon+\beta _{\varepsilon }(v^\varepsilon_x-1), $ |
由性质2.4、性质2.2,
$ \partial_tf^\varepsilon-\mathcal{F} f^\varepsilon+\beta _{\varepsilon }(v^\varepsilon_x-1)+(1+x)\beta'_{\varepsilon }(v^\varepsilon_x-1)\partial_xf^\varepsilon\geqslant0, $ |
从而
$ \partial_tf^\varepsilon-\mathcal{F} f^\varepsilon+(1+x)\beta'_{\varepsilon }(v^\varepsilon_x-1)\partial_xf^\varepsilon\geqslant \partial_tv^\varepsilon_x-\mathcal{F} v^\varepsilon_x+(1+x)\beta'_{\varepsilon }(v^\varepsilon_x-1)\partial_xv^\varepsilon_x. $ |
此外,
对任意的
定理2.6 问题(6)存在唯一解
证明 对式(7)式用
$ |v^\varepsilon|_{W^{2, 1}_p(Q_T^N)}\leqslant C(|v^\varepsilon|_{L_p(Q_T^N)}+|\beta_{\varepsilon}(\cdot)|_{L_p(Q_T^N)}+1)\leqslant C_1, $ |
其中,
下面证明
$ v^\varepsilon_t-\mathcal{F} v^\varepsilon\geqslant0, v^\varepsilon_x\geqslant1. $ |
令
$ v_t-\mathcal{F} v\geqslant0, v_x\geqslant1. $ |
若有
再证唯一性, 若问题(6)存在两个满足线性增长条件的解
$ \left\{\!\! \begin{array}{l} {\cal L}_tv_1=0, {\cal L}_tv_2\geqslant0, (x, t)\in {\cal N}, \\ v_1=v_2=0, (x, t)\in\partial_p{\cal N}\cap \{(0, t):t\in \bf{R}\}, \\ \partial_xv_1=\partial_xv_2, (x, t)\in\partial_p{\cal N}\backslash (\{(0, t):t\in \bf{R}\} \cup\{(x, 0):x\in \bf{R}\}\cup\{(x, T):x\in \bf{R}\}), \\ v_1=v_2=x, (x, t)\in\partial_p{\cal N}\cap \{(x, 0):x\in \bf{R}\}, \end{array} \right. $ |
其中
$ \{(x, t):\partial_xv_1> \partial_xv_2\}\subset\{(x, t):v_2\geqslant v_1\}, $ |
即有
$ C:=\{(x, t):v_2 < v_1\}\subset\{(x, t):\partial_xv_1\leqslant \partial_xv_2\}. $ |
若
根据变分不等式, 定义以下两个区域
$ \hbox{分红区域}: {\cal D}=\{(x, t):v_x=1\}, $ |
$ \hbox{停止分红区域}: {\cal ND}=\{(x, t):v_x>1\}, $ |
两者的边界在方程上称为自由边界.由于
$ d(t):=\inf\big\{x\geqslant0:v_x(x, t)=1\big\}, t\geqslant0. $ |
关于自由边界, 有以下性质.
定理3.1
证明 由性质2.4, 即
定理3.2
证明 若
定理3.3 当
证明 若结论不成立, 则
为进一步得到自由边界更多的性质, 我们考虑
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} \min\{u_t-\mathcal{F} u, \;u-1\}=0, (x, t)\in \Omega_T, \\ u(0, t)=f(t), 0 < t\leqslant T, \\ u(x, 0)=1, x>0. \end{array} \right. \end{eqnarray} $ | (12) |
其中,
利用文献[15]的方法, 我们可证明以下结论.
定理3.4
下面, 我们给出自由边界的上界.
定理3.5
$ d(t) < x_\infty:=\frac{\sigma^2}{\sqrt{\mu^2+2\sigma^2c}}\ln{\frac{\sqrt{\mu^2+2\sigma^2c} +\mu}{\sqrt{\mu^2+2\sigma^2c}-\mu}}, $ |
这里,
证明 考虑稳态问题
$ \begin{eqnarray} \left\{\!\! \begin{array}{l} \min\{-\mathcal{F} v, \;v_x-1\}=0, x\in(0, \infty), \\ v(0)=0 \end{array} \right. \end{eqnarray} $ | (13) |
的解
$ \widehat{V}(x)=\left\{\!\! \begin{array}{l} C({\rm e}^{\theta_1x}-{\rm e}^{\theta_2x}), 0\leqslant x < x_\infty, \\ C_1+x, x_\infty\leqslant x < +\infty, \end{array} \right. $ |
其中
$ -\frac{1}{2}\sigma^2\theta^2-\mu\theta+c=0 $ |
的两根.
$ \begin{align*} &x_\infty=\frac{2}{\theta_1-\theta_2}\ln\Big|\frac{\theta_1}{\theta_2}\Big|=\frac{\sigma^2}{\sqrt{\mu^2+2\sigma^2c}}\ln{\frac{\sqrt{\mu^2+2\sigma^2c}+\mu}{\sqrt{\mu^2+2\sigma^2c}-\mu}}, \\ &C=(\theta_1{\rm e}^{\theta_1x_\infty}-\theta_2{\rm e}^{\theta_2x_\infty})^{-1}, C_1=C({\rm e}^{\theta_1x_\infty}-{\rm e}^{\theta_2x_\infty})-x_\infty, \end{align*} $ |
(见[4]).
这里, 我们也可以把
$ \left\{\!\! \begin{array}{l} \min\{v_t-\mathcal{F} v, \;v_x-1\}=0, (x, t)\in Q_T^N, \\ v(0, t)=0, v_x(N, t)=1, 0 < t\leqslant T, \\ v(x, 0)=\widehat{V}(x), 0 < x < N. \end{array} \right. $ |
则由比较原理, 问题(6)的解
而由于
$ \left\{\!\! \begin{array}{l} \min\{\widehat{V}_t-\mathcal{F} \widehat{V}_x, \;\widehat{V}_x-1\}=0, (x, t)\in Q_T^N, \\ \widehat{V}_x(0, t)=\widehat{V}_x(0)(\geqslant v_x(0, t)), \widehat{V}_x(N, t)=1, 0 < t\leqslant T, \\ \widehat{V}_x(x, 0)=\widehat{V}_x(x)(\geqslant1), 0 < x < N. \end{array} \right. $ |
由比较原理, 问题(12)的解
$ \inf\big\{x\geqslant0:v_x(x, t)=1\big\}\leqslant\inf\big\{x\geqslant0:\widehat{V}_x(x)=1\big\}, $ |
即
在本节中, 我们根据自由边界构造最优策略.令
$ d_T(s)=d(T-t), t\leqslant s < T. $ |
我们采用如下分红策略
$ \begin{eqnarray} &&L^{*}_s-L^{*}_{s-}=R^{*}_{s-}-d_T(s), \hbox{如果}\;R^{*}_{s-}>d_T(s), \end{eqnarray} $ | (14) |
$ \begin{eqnarray} &&{\rm d}L^{*}_s=0, \hbox{如果}\;R^{*}_{s-} < d_T(s). \end{eqnarray} $ | (15) |
即当
定理4.1 设
$ \begin{eqnarray} &&V(x, t)\geqslant J_{t, x}(L), \forall L_s\in {\cal L}_t, \end{eqnarray} $ | (16) |
$ \begin{eqnarray} &&V(x, t)= J_{t, x}(L^*). \end{eqnarray} $ | (17) |
证明 先证明式(16).设
$ \begin{align} &V(x,t)={{E}_{t,x}}[{{\rm{e}}^{-c(T\wedge \tau -t)}}V({{R}_{T\wedge \tau }},T\wedge \tau )] \\ &+{{E}_{t,x}}[\int_{t}^{{{T}^{\wedge }}\tau }{{{\rm{e}}^{-c(s-t)}}(-{{V}_{t}}-\frac{1}{2}{{\sigma }^{2}}{{V}_{xx}}-\mu {{V}_{x}}+cV)({{R}_{s}},s)\rm{d}s}] \\ &+{{E}_{t,x}}[\int_{t}^{{{T}^{\wedge }}\tau }{{{\rm{e}}^{-c(s-t)}}{{V}_{x}}({{R}_{s}},s)\rm{d}L_{s}^{c}}]-{{E}_{t,x}}[\sum\limits_{t\le s\le T\wedge \tau }{{{\rm{e}}^{-c(s-t)}}}(V({{R}_{s}},s)-V({{R}_{s-}},s))]. \\ \end{align} $ |
上式第一、二项非负, 而利用
$ \begin{align} &{{E}_{t,x}}[\int_{t}^{{{T}^{\wedge }}\tau }{{{\rm{e}}^{-c(s-t)}}{{V}_{x}}({{R}_{s}},s)\rm{d}L_{s}^{c}}]\ge {{E}_{t,x}}[\int_{t}^{{{T}^{\wedge }}\tau }{{{\rm{e}}^{-c(s-t)}}\rm{d}L_{s}^{c}}], \\ &[V({{R}_{s-}},s)-V({{R}_{s}},s)\ge {{R}_{s-}}-{{R}_{s}}={{L}_{s}}-{{L}_{s-}}, \\ \end{align} $ |
故有
$ \begin{align*} V(x, t)&\geqslant E_{t, x}\Big[\int_{t}^{{{T}^{\wedge }}\tau }{\rm e}^{-c(s-t)}{\rm d}L^c_s\Big]+E_{t, x}\Big[\sum\limits_{t\leqslant s\leqslant T\wedge\tau}{\rm e}^{-c(s-t)}(L_s-L_{s-})\Big]\\ &=E_{t, x}\Big[\int_{t}^{{{T}^{\wedge }}\tau }{\rm e}^{-c(s-t)}{\rm d}L_s\Big], \end{align*} $ |
即式(16)成立.
再证明式(17).设
$ \begin{align} &V(x,t)={{E}_{t,x}}[{{\rm{e}}^{-c(T\wedge {{\tau }^{*}}-t)}}V(R_{T\wedge {{\tau }^{*}}}^{*},T\wedge {{\tau }^{*}})] \\ &+{{E}_{t,x}}[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{{\rm{e}}^{-c(s-t)}}(-{{V}_{t}}-\frac{1}{2}{{\sigma }^{2}}{{V}_{xx}}-\mu {{V}_{x}}+cV)(R_{s}^{*},s)\rm{d}s] \\ &+{{E}_{t,x}}[\int_{t}^{{{T}^{\wedge }}\tau }{{{\rm{e}}^{-c(s-t)}}}{{V}_{x}}(R_{s}^{*},s)\rm{d}L_{s}^{*c}] \\ &-{{E}_{t,x}}[\sum\limits_{t\le s\le T\wedge \tau }{{{\rm{e}}^{-c(s-t)}}}(V(R_{s}^{*},s)-V(R_{s-}^{*},s))]. \\ \end{align} $ |
由于
$ V(x, t) =E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*c}_s\Big]-E_{t, x}\Big[\sum\limits_{t\leqslant s\leqslant T\wedge\tau}{\rm e}^{-c(s-t)}(V(R^*_s, s)-V(R^*_{s-}, s))\Big]. $ |
若
$ V(x, t) =E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*}_s\Big]; $ |
若
$ \begin{align*} V(x, t) &=E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*c}_s\Big]-E_{t, x}\Big[V(R^*_t, t)-V(R^*_{t-}, t)\Big]\\[2mm] &=E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*c}_s\Big]-E_{t, x}(R^*_t-R^*_{t-}) \\[2mm] &=E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*c}_s\Big]+E_{t, x}(L^*_t-L^*_{t-}) \\[2mm] &=E_{t, x}\Big[\mathop{\int }_{t}^{{{T}^{\wedge }}{{\tau }^{*}}}{\rm e}^{-c(s-t)}{\rm d}L^{*}_s\Big]. \end{align*} $ |
综上, 式(17)成立.
[1] | BACHELIER L. Théorie de la spéculation[M]. Paris: Gauthier-Villars, 1900. |
[2] | BLACK F, SCHOLES M. The pricing of options and corporate liabilities[J]. Journal of Political Economy, 1973, 81: 637-654. DOI:10.1086/260062 |
[3] | MERTON R C. Optimum consumption and portfolio rules in a continuous-time model[J]. Journal of EconomicTheory, 1971, 3(4): 373-413. |
[4] | TAKSAR M I. Optimal risk and dividend distribution control models for an insurance company[J]. MathematicalMethods of Operations Research, 2000, 51(1): 1-42. |
[5] | GUAN C H, YI F H. A free boundary problem arising from a stochastic optimal control model with boundeddividend rate[J]. Stochastic Analysis and Applications, 2014, 32(5): 742-760. DOI:10.1080/07362994.2014.922778 |
[6] | GUAN C H, YI F H. A free boundary problem arising from a stochastic optimal control model under controllablerisk[J]. Journal of Differential Equations, 2016, 260(6): 4845-4870. DOI:10.1016/j.jde.2015.10.040 |
[7] | CHEN X S, CHEN Y S, YI F H. Parabolic variational inequality with parameter and gradient constraints[J]. Journal of Mathematical Analysis and Applications, 2012, 385(2): 928-946. DOI:10.1016/j.jmaa.2011.07.025 |
[8] | CHEN X S, YI F H. A problem of singular stochastic control with optimal stopping in finite horizon[J]. SIAMJournal on Control and Optimization, 2012, 50(4): 2151-2172. DOI:10.1137/110832264 |
[9] | CHEN X S, YI F H. Free boundary problem of Barenblatt equation in stochastic control[J]. Discrete andContinuous Dynamical Systems, 2016, 21B(5): 1421-1434. |
[10] | DAI M, YI F H. Finite-horizon optimal investment with transaction costs:A parabolic double obstacle problem[J]. Journal of Differential Equations, 2009, 246(4): 1445-1469. DOI:10.1016/j.jde.2008.11.003 |
[11] | PHAM H. Continuous-Time Stochastic Control and Optimization with Financial Applications[M]. New York: Springer Science & Business Media, 2009. |
[12] | GILBARG D, TRUDINGER N S. Elliptic Partial Differential Equations of Second Order[M]. New York: Springer, 2015. |
[13] | LADYZHENSKAIA O A, SOLONNIKOV V A, URAL'TSEVA N N. Linear and Quasi-Linear Equations of Parabolic Type[M]. Providence, RI: American Mathematical Soc, 1988. |
[14] | OLEINIK O. Second-Order Equations with Nonnegative Characteristic Form[M]. New York: Springer Science & Business Media, 2012. |
[15] | FRIEDMAN A. Parabolic variational inequalities in one space dimension and smoothness of the free boundary[J]. Journal of Functional Analysis, 1975, 18(2): 151-176. DOI:10.1016/0022-1236(75)90022-1 |