[论文解读] Duality and optimality conditions in stochastic optimization and mathematical finance

Sara Biagini, Teemu Pennanen+1 more|arXiv (Cornell University)|Apr 25, 2015

Risk and Portfolio Optimization参考文献 8被引用 3

一句话总结

本文建立了一个广义对偶框架，用于处理不确定性下的随机优化问题，将凸对偶理论扩展至非时可分和非锥形模型。通过共轭对偶方法，推导出显式的对偶表示和最优性条件，恢复并推广了数学金融中的已知结果（如鞅测度和一致价格系统），适用于包含交易成本和非锥形市场的模型。

ABSTRACT

This article studies convex duality in stochastic optimization over finite discrete-time. The first part of the paper gives general conditions that yield explicit expressions for the dual objective in many applications in operations research and mathematical finance. The second part derives optimality conditions by combining general saddle-point conditions from convex duality with the dual representations obtained in the first part of the paper. Several applications to stochastic optimization and mathematical finance are given.

研究动机与目标

• 将随机优化中的凸对偶理论扩展至非时可分和非锥形模型，特别是在存在交易成本的金融情境下。
• 为离散时间下的一般随机优化问题中的最优值函数提供显式的对偶表示。
• 通过鞍点分析推导显式的最优性条件，即使原始空间缺乏拓扑对偶时亦成立。
• 将Kabanov的货币市场模型中的“一致价格系统”概念推广至非锥形、非流动性市场。
• 通过统一的凸对偶方法，整合并扩展运筹学与数学金融中现有的对偶框架。

提出的方法

• 采用Rockafellar（1974）的共轭对偶框架，推导随机优化中最优值函数的对偶表示。
• 引入具有非时可分结构且放宽可积性条件的广义Lagrangian，纠正了先前研究中的遗漏。
• 应用双共轭定理，将最优值表示为对偶变量的上确界，确保在闭性条件下无对偶间隙。
• 通过鞍点分析推导最优性条件，即使在非自反空间中，也能以对偶变量形式表达次梯度条件。
• 将该框架应用于Bolza问题和最优投资-消费问题，将其嵌入共轭对偶设定中。
• 利用正规积分函数和凸分析，刻画值函数的次微分以及随机集的支撑函数。

实验结果

研究问题

• RQ1 如何将随机优化中的对偶理论扩展至非时可分和非锥形模型，特别是在存在交易成本的金融市场上？
• RQ2 在一般随机优化问题中，何种条件可保证最优值函数的闭性以及对偶间隙的消失？
• RQ3 当原始空间缺乏拓扑对偶（如$L^0$型空间）时，如何显式表达最优性条件？
• RQ4 所推导的最优性条件在何种意义上推广了Kabanov货币市场模型中的“一致价格系统”概念？
• RQ5 共轭对偶框架能否以恢复数学金融中已知结果的方式，应用于凸最优控制问题？

主要发现

• 本文提供了[6]中定理2.2的更正与推广版本，现包含确保对偶表示成立所必需的可积性条件。
• 对于最优投资-消费问题，解存在，并由存在一个对偶鞅$y$使得$-k_t \in \partial V_t^*(y_t)$且$\Delta z_t + u_t + k_t \in \partial \sigma_{C_t}(y_t)$ $P$-几乎必然（a.s.）来表征。
• 当集合$C_t$为锥形时，最优性条件简化为$\Delta z_t + u_t + k_t \in C_t$，$y_t \in C_t^*$，且$(\Delta z_t + u_t + k_t) \cdot y_t = 0$ $P$-a.s.，从而推广了“一致价格系统”的概念。
• 最优值函数的对偶表示在广义了数学金融中无套利条件的条件下成立，包括非锥形市场模型。
• 该框架通过利用适应性投影和增长条件，可在非适应或非可分目标函数的问题中显式给出最优性条件。
• 在完美流动性市场中，结果作为特例恢复了已知的最优性条件，此时对偶变量$y$成为鞅测度。