部分信息下正倒向随机系统的最优控制和微分对策理论

摘要

倒向随机微分方程是一个带终端条件而不是初始条件的Ito型随机微分方程。倒向随机微分方程的线性形式由Bismut[7]引入，而非线性形式由Pardoux和Peng[39]、Duffie和Epstein[13]分别独立引入。倒向随机微分方程与一个正向随机微分方程相藕合，形成了-个正倒向随机微分方程。自从被引入以来，正倒向随机微分方程在许多不同领域，特别在随机控制、金融数学方面备受关注。比如：源自随机最优控制的经典的哈密顿系统就是一类正倒向随机微分方程；用于期权定价的Black-Scholes公式能够通过正倒向随机微分方程来表示得到。有关正倒向随机微分方程的更多内容，参见Ma和Yong[34]、Yong和Zhou[70]的专著。由于正倒向随机微分方程是很好的动态系统，我们很自然地去考虑其系统下的随机最优控制和微分对策问题。本文将致力于研究完全和部分信息下的正倒向随机微分方程的随机滤波、最优控制和微分对策。
　　 Wang和Wu[54]首先研究了系统状态和观测方程由布朗运动所驱动的正倒向随机系统的滤波理论。他们提出了一种倒向分离的技术，而这种技术在解决部分可观的最优控制问题时比Wonham[59]的分离原理更方便。受Wang和Wu的工作的启迪，我们研究了系统状态和观测方程由布朗运动和泊松过程联合驱动的正倒向随机系统的滤波方程，并将其应用到一类带随机跳的部分可观的最优控制问题。由于泊松过程随机跳跃的性质，我们得到了不同于Wang和Wu[54]的一些新的有趣的结果。
　　 Shi和Wu[47]研究了一类带随机跳的部分藕合的正倒向随机微分方程的最优控制问题，Wu[61]研究了不带跳的部分可观的正倒向随机微分方程的最优控制，他们都要求控制域是凸的。Wang和Wu[55]则研究了控制域非凸、正向方程扩散项系数不含控制变量的部分藕合的正倒向随机系统的部分可观的最优控制问题。基于前面的工作，Xiao[63]考虑了带有随机跳跃的部分藕合正倒向随机系统、控制域是凸的情况下的部分可观的最优控制问题，得到了最优控制需要满足的一个必要条件和充分条件，将Shi和Wu[47]推广到部分可观的情况，将Wu[61]推广到随机跳的情况，也部分推广了Liptser和Shiryayev[33]，Bensoussan[6]，Tang[50]，Wang和Wu[54，55]的结果到随机跳或者正倒向系统的情形。然而，前述工作都没有考虑状态和观测有相关噪声的情形。据我所知，目前仅有Tang[50]考虑了正向连续状态与观测过程具有相关噪声的情况，得到了一般的随机最大值原理。在这里，我们研究了具有相关噪声的、带有随机跳跃的正倒向随机系统的最优控制问题。在凸控制域的条件下，我们得到了一个最大值原理和一个验证定理。当前的工作能够包含Shi和Wu[47]、Wu[61]的结果，能够部分推广Shi和Wu[48]、Wang和Wu[55]到随机跳跃，Tang和Hou[51]、Xiao[63]到相关噪声，Tang[50]到正倒向跳扩散系统，Peng[41]到部分信息的情形。
　　 到目前为止，仅有两篇文章考虑倒向随机微分方程的微分对策问题：一篇是Yu和Ji[72]，运用完全平方技术研究了线性二次非零和微分对策，得到了一个显式的纳什均衡点；另一篇是Wang和Yu[56]，研究了非线性倒向随机微分方程的微分对策问题，以最大值原理的形式给出了纳什均衡点的充分和必要条件。上述对策问题都局限于倒向系统的研究，据我所知，Buckdahn和Li[8]、Yu[71]研究了正倒向系统的微分对策问题。在Buckdahn和Li[8]里，对策系统的值函数通过倒向方程在零时刻的解定义，进而证明了一个动态规划原理，并揭示对策的上下值函数是Hamilton-Jacobi-Bellman-Isaacs方程唯一的粘性解。最近，Yu[71]研究了正倒向系统线性二次非零和的对策问题。在本文，我们将要研究的是更一般的情形，即非线性的部分藕合的正倒向随机微分方程的微分对策问题，联合正倒向随机微分方程理论和经典的凸变分技术，得到了非零和对策均衡点与零和对策鞍点的最大值原理和验证定理。
　　 为了更好地刻画市场中所谓的非正常交易现象(比如内部交易)以及寻找部分信息倒向重随机微分方程线性二次非零和微分对策均衡点的显式解，我们关心一类新的部分信息下起始点藕合的正倒向重随机微分方程的微分对策问题。这类问题具有更广泛的理论和实际意义。首先，正倒向重随机系统包含许多系统作为它的特例。例如：如果我们去掉倒向It(o)积分项，或者正向方程，或者两者同时去掉，则正倒向重随机系统退化为正倒向随机系统，或者倒向重随机系统，或者倒向系统；其次，所有的结果能够退化成完全信息的情形；最后，如果当前的零和随机微分对策仅有一个参与者，则对策问题退化成一些相关的最优控制问题。更详细说的话，我们的结果是如下一些研究工作的部分推广；部分信息倒向随机微分方程和正倒向随机微分方程的最优控制(见Huang，Wang和Xiong[20]，Xiao和Wang[64])，完全信息的倒向重随机微分方程的最优控制(见Han，Peng和Wu[18])，完全信息和部分信息的倒向随机微分方程的微分对策(见Wu和Yu[56]，Yu和Ji[72]，Zhang[73]，Wu和Yu[57])。
　　 本文共分四章，主要结果如下。
　　 第一章：我们对第二到第四章研究的问题进行了简要的介绍。
　　 第二章：我们研究了线性的带随机跳跃的正倒向随机微分方程的随机滤波。通过应用得到的滤波方程，我们求解了一个部分可观的线性二次的最优控制问题，得到了一个显式可观的最优控制。
　　 第三章：我们研究了带随机跳跃的部分可观的正倒向随机微分方程的最优控制问题，就状态和观测不相关和相关两种情况进行了分别讨论。我们以最大值原理形式确立了两种情况下最优控制的必要条件和充分条件，并举了两个例子来说明理论的应用。
　　 第四章：我们首先研究了终端藕合的正倒向随机微分方程的微分对策问题，给出了最大值原理形式的必要性条件和充分条件。这个研究的动机之一是为了寻找非线性期望下线性二次零和微分对策鞍点的显式解。为了更好刻画所谓市场中非正常交易现象(比如内部交易)以及寻找部分信息倒向重随机微分方程线性二次非零和微分对策均衡点的显式解，我们接着研究了一类新的部分信息下起始点藕合的正倒向重随机微分方程的微分对策问题。对非零和对策的纳什均衡点和零和对策的鞍点，我们都给出了必要性条件和充分性条件。