[论文解读] A note on a new existence result for reflected BSDEs with interconnected obstacles

Tiziano De Angelis, Giorgio Ferrari+1 more|arXiv (Cornell University)|Oct 6, 2017

Stochastic processes and financial applications参考文献 18被引用 3

一句话总结

本文证明了在驱动函数 $ f_i $ 依赖于 $ Z $-过程的所有分量而非仅 $ Z^i $ 的情况下，具有相互关联障碍的马尔可夫后向随机微分方程（BSDE）系统解的存在性。关键贡献在于提出了一种新颖的存在性证明方法，结合惩罚方案、惩罚项的统一有界性以及基础扩散过程转移密度的支配条件，从而扩展了以往理论中仅假设驱动函数依赖于 $ Z^i $ 的限制。

ABSTRACT

In this note we prove existence of a solution to a system of Markovian BSDEs with interconnected obstacles. A key feature of our system, and the main novelty of this paper, is that we allow for the driver $f_i$ of the $i$-th component of the $Y$-process to depend on all components of the $Z$-process. This extends the existing theory on reflected BSDEs, which only addresses problems where $f_i$ depends on $Z^i$.

研究动机与目标

• 填补反射BSDE理论中的空白，即当驱动函数 $ f_i $ 依赖于所有 $ Z $-过程分量而非仅 $ Z^i $ 时，标准比较原理不再适用。
• 在马尔可夫设定下，建立具有相互关联障碍的反射BSDE系统解的存在性，其中驱动函数 $ f_i $ 同时依赖于 $ (Z^k)_{k \neq i} $ 及 $ Y $-分量。
• 通过基于惩罚法与弱收敛的新型分析方法，克服新框架下缺乏比较原理的问题。
• 提供解 $ (Y^i, Z^i) $ 作为时间与状态过程 $ X^{t,x} $ 的确定性函数的表示，这对应用至关重要。
• 为未来在非马尔可夫设定下研究唯一性及与最优切换问题的联系奠定基础。

提出的方法

• 引入惩罚方案以处理具有相互关联障碍的反射BSDE系统中的反射约束。
• 通过命题3.1建立惩罚项时间导数的统一有界性，确保近似过程的稳定性。
• 利用状态过程 $ X^{t,x} $ 的转移密度的支配条件，通过子列弱收敛分析惩罚方程的解。
• 应用切比雪夫不等式与一致收敛性，证明极限过程几乎必然满足反射条件。
• 利用 $ Z^{i,n} $-分量可表示为 $ (t, X^{t,x}_t) $ 的可测函数这一事实，使极限继承马尔可夫表示结构。
• 证明极限过程 $ (Y^i, Z^i, K^i) $ 满足原始反射BSDE系统的全部三个条件，包括互补性条件。

实验结果

研究问题

• RQ1 当驱动函数 $ f_i $ 依赖于 $ Z $-过程的所有分量而非仅 $ Z^i $ 时，具有相互关联障碍的反射BSDE系统是否存在解？
• RQ2 在缺乏比较原理（通常支撑BSDE理论中存在性结果）的情况下，如何证明解的存在性？
• RQ3 在系数与扩散过程上需满足何种条件，才能确保此广义框架下解的存在性？
• RQ4 解 $ (Y^i, Z^i) $ 是否可表示为时间与状态过程 $ X^{t,x} $ 的确定性函数，如同马尔可夫情形中所示？
• RQ5 惩罚方案是否产生一个收敛子列，其极限满足具有相互关联障碍的原始反射BSDE系统？

主要发现

• 在 $ \rho\theta\theta^\top $ 有界且一致强非退化条件下，具有相互关联障碍的反射BSDE系统存在解。
• 当切换成本 $ g_{ij} $ 足够正则时，可建立惩罚方案中的基本有界性，从而确保存在性。
• 惩罚项时间导数的统一有界性是关键技术结果，已在命题3.1中证明。
• 极限解 $ (Y^i, Z^i, K^i) $ 满足反射约束：$ Y^i_s \to \text{max}_{j \neq i} (Y^j_s - g_{ij}(s, X^{t,x}_s)) $，且互补性条件几乎必然成立。
• 解分量 $ Y^i $ 与 $ Z^i $ 可表示为 $ (t, X^{t,x}_t) $ 的确定性函数，即 $ Y^i_{s} = u^i(s, X^{t,x}_s) $ 与 $ Z^i_{s} = v^i(s, X^{t,x}_s) $，如推论3.6所示。
• 证明依赖于 $ X^{t,x}_s $ 的转移密度的支配条件，该条件确保了局部时间测度 $ dK^{i,n} $ 弱收敛至 $ dK^i $。