所有選擇權指南
最適控制的兩種視角閱讀約15分鐘
Pontryagin最大值原理與HJB比較
比較確定性與隨機金融控制中的伴隨狀態、Hamiltonian最佳化、價值函數和動態規劃
由 Mark 撰寫 · 官方資料列於文末
直接解答
Pontryagin最大值原理藉由Hamiltonian與後向伴隨狀態，給出最適狀態和控制路徑須符合的必要條件。HJB透過動態規劃刻畫所有狀態的價值；當價值函數足夠光滑時，兩種視角可以互相連結
控制問題先於兩種方法
狀態X受控制u驅動，目標結合持續報酬、終端價值以及可能的風險或限制
可接受控制須列明可用資訊、可積分性、狀態限制，以及決策是回饋式還是開環式
改變目標或可接受集合，會同時改變最大值原理條件與HJB方程
Hamiltonian衡量局部選擇後果
控制Hamiltonian把即時目標與伴隨狀態乘以受控狀態漂移的項結合起來
符號約定決定應最大化還是最小化Hamiltonian，因此須與目標函數一起說明
這裡的Hamiltonian是控制理論物件，不是力學能量，也不是市場價格
狀態與伴隨狀態組成前後向系統
狀態方程在候選控制下從初始條件向前演化
伴隨方程從終端條件向後演化，衡量擾動狀態對目標的邊際影響
候選控制在每個時刻最佳化與兩條路徑及生效限制耦合的Hamiltonian
最大值原理通常是必要檢驗
在定理假設下，違反最大值條件的路徑不可能最適
符合條件並不保證全域最適，非凸目標可產生局部極值或多個候選
在特定問題中，凹性、凸性、橫截條件與限制資格可把候選條件加強為充分條件
隨機控制增加隨機伴隨狀態
存在擴散風險時，伴隨狀態成為後向隨機過程，Hamiltonian還包含隨機衝擊暴險
若控制進入非凸擴散係數，一般隨機最大值原理可能需要二階伴隨項
只因確定性公式熟悉便省略這些項，可能得到錯誤的一階條件
HJB描述所有狀態而非單一路徑
HJB是由Bellman遞迴建立的價值函數非線性方程，涵蓋時間與整個狀態空間
Pontryagin以狀態和伴隨方程跟隨候選最適路徑，有時把PDE化為邊界值系統
價值足夠光滑時，伴隨狀態常對應最適路徑上的價值梯度，但須核對符號與正則性
金融有條件地採用兩種視角
組合選擇、最適執行、造市、庫存控制與有成本避險都可用任一路徑建模
HJB適合狀態回饋策略，最大值原理在高維或有路徑限制的問題中可能更方便
必須驗證可接受性、邊界條件、二階條件及對模型和目標錯設的穩健性
常見問題
Pontryagin最大值原理是充分條件嗎？
通常只給必要條件，特定問題還須凹性、凸性與正則性才能成為充分條件
Pontryagin與HJB有何不同？
前者研究候選路徑的狀態與伴隨狀態，後者求解整個狀態空間的最適價值
什麼是伴隨狀態變數？
它衡量候選最適路徑上狀態的微小變化如何影響目標
最大值原理在金融中用於哪裡？
用於組合控制、執行、造市、避險、消費選擇及有狀態或路徑限制的問題
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權