Giải thích phương trình Hamilton–Jacobi–Bellman trong tài chính

Gọi X là một quá trình trạng thái chịu ảnh hưởng của điều khiển a, chẳng hạn tiêu dùng, tỷ trọng danh mục, tồn kho hoặc tốc độ khớp lệnh

V(t,x) là mục tiêu tương lai kỳ vọng tốt nhất có thể đạt được từ trạng thái x tại thời điểm t qua mọi chính sách khả dĩ

Xác định tính khả dĩ là thiết yếu vì đòn bẩy, thông tin, tính khả tích và các ràng buộc thị trường quyết định những điều khiển nào có thể được so sánh

Nguyên lý Bellman nói rằng một kế hoạch tối ưu vẫn tối ưu sau khoảng thời gian ngắn đầu tiên, có điều kiện theo trạng thái đạt được lúc đó

Vì vậy, giá trị hôm nay bằng phần thưởng tức thời tốt nhất cộng với giá trị được tiếp tục tối ưu sau một bước nhỏ

Khai triển phép truy hồi này theo thời gian và dùng toán tử sinh có kiểm soát tạo ra phương trình HJB thời gian liên tục

Một dạng phổ biến với chân trời hữu hạn là ∂_tV + sup_a{r(t,x,a) + L^aV} = 0 với điều kiện cuối

Ở đây r là phần thưởng chạy và L^a là toán tử sinh của trạng thái khi hành động a được giữ cục bộ

Cực đại làm phương trình phi tuyến ngay cả khi phương trình với từng điều khiển cố định đều tuyến tính

Trong bài toán của Merton, tài sản thay đổi theo tiêu dùng và phân bổ vào tài sản rủi ro cùng tài sản phi rủi ro

HJB cân bằng tiện ích tiêu dùng hiện tại với cách mỗi lựa chọn làm thay đổi độ trôi và phương sai của giá trị tài sản tương lai

Tiện ích đặc biệt và cơ hội đầu tư hằng có thể cho nghiệm dạng đóng, nhưng cơ hội ngẫu nhiên hoặc ràng buộc thường bổ sung các chiều trạng thái

Giải các điều kiện bậc nhất bên trong HJB tạo ra chính sách ứng viên, không tự động tạo ra tối ưu khả dĩ

Một định lý xác minh kiểm tra tính chính quy, điều kiện biên và điều kiện cuối, tính khả tích cùng việc ứng viên đạt được cận

Khi giá trị không trơn, phương pháp nghiệm nhớt thay thế các đạo hàm cổ điển nhưng vẫn giữ ý nghĩa lập trình động

Giới hạn vị thế, chi phí giao dịch, vùng không giao dịch, quy tắc sụt giảm và tác động thị trường có thể tạo ra các góc hoặc biến trạng thái bổ sung

Hành động xung lực có thể dẫn đến các bất đẳng thức biến phân gần, trong khi sự mơ hồ của mô hình có thể thêm một tối ưu hóa thứ hai đối với động lực bất lợi

Không bao giờ cắt cơ học nghiệm bậc nhất không ràng buộc mà không kiểm tra bài toán kiểm soát có ràng buộc

Sai phân hữu hạn, lặp chính sách, sơ đồ nửa Lagrange và lập trình động xấp xỉ tấn công các cấu trúc trạng thái và điều khiển khác nhau

Một kết quả đáng tin phải kiểm tra tính đơn điệu, tính ổn định, độ nhạy biên, hội tụ lưới và việc chính sách thu được có khả dĩ hay không

Đầu ra HJB có điều kiện theo mục tiêu và mô hình; một chính sách tối ưu cho sở thích hoặc động lực sai không phải quy tắc giao dịch vững chắc