随机最优控制问题的反向仿真方法
摘要：用于解决不确定性最优决策问题的许多问题可以被制定成随机最优控制框架。最小二乘蒙特卡洛（LSMC）算法是一种常用的数值方法，用于处理这种随机控制问题，因为通常情况下解析解是不可处理的。本文将Shen和Weng（2017）提出的LSMC算法推广到解决广泛的随机最优控制模型。我们的算法有三个支柱：构建辅助随机控制模型、人工模拟状态过程的后续价值，以及一种形状保持筛估计方法，它赋予算法许多优点，包括绕过前向模拟和控制随机化，避免外推值函数，减轻调谐参数选择的计算负担。该算法的有效性通过对定价股权连结保险产品的应用得到了证实。
作者：Zhiyi Shen and Chengguo Weng
论文ID：1901.06715
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2019-01-23