本文研究无限期、非负收益和非线性评价下的Bermudan最优停止问题,建立价值族的非线性Snell包络刻画与动态规划原理,并证明ε-最优停止时刻的存在性;价值族首次触及收益族的时刻在且仅在其几乎处处有限时最优。此外,文章针对仅依赖评价时点的情形,给出非负非线性超鞅的Doob型收敛定理,并以无限期BSDE和g-评价构造应用示例。
报告标题:《Non-linear optimal stopping with Bermudan strategies: the infinite horizon case》(具有Bermudan策略的非线性最优停止:无限期限情形)。
作者:Miryana Grigorova、Ohood Aldalbahi。
日期:2026年8月11日。
研究主题:非线性最优停止问题、Bermudan停止策略、非线性评价算子、无限期限Snell包络、动态规划、ε-最优停止时刻,以及由无限期限BSDE诱导的具体实例。
这是一篇偏理论概率与金融数学的研究论文,而不是针对某一上市公司的证券研究报告,因此没有传统意义上的“买入/持有/卖出”评级、目标价、收入预测或盈利预测。论文的核心问题是:当投资者只能在一组离散但随机、且可能无限延伸的时间点上停止,并且收益不是通过线性条件期望评价,而是通过更一般的非线性评价算子进行评价时,无限期限最优停止问题是否仍然具有动态规划结构,以及最优或近似最优停止时刻是否存在。
作者的主要结论可以概括为四点:第一,在一组适当条件下,价值族是支配收益族的最小非线性超鞅族,即非线性Snell包络;第二,价值族满足无限期限动态规划原理;第三,在收益和评价算子满足额外正则性条件时,ε-最优停止时刻存在,而“价值首次触及收益”的停止时刻在且仅在其有限时才是最优的;第四,当评价算子只依赖评价时点这一指标时,可以建立类似Doob收敛定理的结果。
论文首先将研究置于非线性最优停止理论的发展脉络中。非线性评价可以理解为对未来收益进行风险调整、模型不确定性调整或效用调整后的价值计算;它不一定满足线性条件期望的加法性,也不一定满足凸性、凹性或平移不变性。该框架可以覆盖动态风险度量、g-期望、BSDE评价等金融数学工具。
既有文献大量研究了有限期限的非线性最优停止问题,尤其是美国期权定价与对冲问题,其中终止期限通常对应期权到期日。本文关注的是无限期限情形,即终端时间取为正无穷。这一拓展并非简单地将有限期限替换为无穷大,因为无限期限会带来停止时刻是否有限、价值是否会在无穷远处“逃逸”、以及超鞅是否收敛等额外问题。
论文还延续了作者此前关于Bermudan策略与非线性评价的有限期限研究。Bermudan策略处于离散时间停止与连续时间停止之间:投资者不能在任意时刻停止,只能在预先给定的一列随机时间上停止,但这些可选择时间不是固定的确定时间,而是停止时刻本身,因此具有随机性和路径依赖特征。
作者设定一个带有右连续、完备滤波的概率空间,并给定一列几乎处处有限的停止时刻 [ 0=\theta_0\leq \theta_1\leq \theta_2\leq\cdots,\qquad \theta_k\to+\infty. ] Bermudan停止策略集合Θ由所有取值于这些时间点的停止时刻组成,即对几乎所有路径,τ的取值属于 [ {0,\theta_1,\theta_2,\ldots}. ] 虽然每一个τ都必须几乎处处有限,但它不需要具有统一的确定性上界,因此允许投资者在越来越远的未来停止。
这一设定的重要性在于,它保留了离散停止问题的可操作性,同时允许时间点本身随机变化。例如,若某项金融收益过程为ξ,则投资者只能观察并比较ξ在0、θ₁、θ₂等时刻的取值,而不能在这些时间点之间自由行权。
作者证明或引用了Θ在若干操作下的封闭性,包括拼接、两两取最小、两两取最大,以及适当的单调极限操作。所谓拼接,是指在事件A发生时使用一个停止策略,在A的补集上使用另一个策略;这保证了投资者可以根据当前信息进行状态依赖的选择。
这一性质是本论文技术证明的基础。它使得不同候选停止时刻对应的评价结果可以进行路径逐点比较,并通过事件 [ A={\rho_{S,\tau'}[\xi(\tau')]\leq \rho_{S,\tau}[\xi(\tau)]} ] 构造一个在A上选择τ、在补集上选择τ′的新策略,从而证明候选评价族在两两最大化下稳定。
收益被表示为一个族 [ \xi={\xi(\tau):\tau\in\Theta}. ] 每个ξ(τ)必须是非负且τ-可测的,并且在两个停止时刻相等的路径上,收益也必须一致。这种条件被称为可采纳性,确保收益是由停止时刻决定的,而不会因为对同一个停止时刻采用不同表示方式而产生矛盾。
论文允许收益取值于扩展非负实数区间,因此收益可能不可积,甚至可能为正无穷。这一点明显增加了无限期限问题的难度,也解释了作者为什么采用单调Fatou性质等条件,而不是完全依赖传统的L¹或L²结构。
作者引入二指标非线性评价算子 [ \rho_{S,\tau}[\eta], ] 其中S是评价时刻,τ是未来收益被揭示或实现的时刻,η是τ时刻可测的终端收益。该评价结果必须是S时刻可测的。
论文要求评价算子满足以下核心性质:
这些条件对应了动态风险度量或非线性条件期望中的基本时间结构。尤其是“一致性”是动态规划的核心,它意味着跨时间评价不会因评价路径不同而产生矛盾。值得注意的是,作者明确指出并未假设ρ具有凸性、凹性或平移不变性,因此理论适用范围比传统凸风险度量更广,但相应地,很多线性方法和标准风险度量工具不能直接使用。
在任意当前时刻ν∈Θ,价值定义为 [ V(\nu)=\operatorname*{ess,sup}{\tau\in\Theta\nu} \rho_{\nu,\tau}[\xi(\tau)], ] 其中Θν表示从ν之后进行停止的Bermudan策略集合。这里的本质上确界不是普通数值最大值,而是所有候选随机变量中最小的、几乎处处支配它们的随机变量,因此适用于不可数的随机策略族。
作者首先证明V本身是一个可采纳族,即它在停止时刻上可测,并且当两个停止时刻在某一事件上相同时,价值也在该事件上相同。 随后,作者说明在知识保持、单调性、时间一致性、广义零一律和单调Fatou性质等条件下,V是一个((\Theta,\rho))-超鞅族,并且支配收益族ξ。
所谓((\Theta,\rho))-超鞅族,是指对于S≤τ,有 [ \rho_{S,\tau}[V(\tau)]\leq V(S). ] 其经济解释是:在当前时点,对未来价值进行非线性评价后,不会超过当前已经可获得的最优价值。该性质体现了“最优策略价值不会因等待而在评价意义下凭空增加”。
更强的Snell包络结论表明,V不仅是一个支配收益的超鞅族,而且是所有此类超鞅族中最小的一个。换言之,V是对收益ξ进行非线性动态包络后的最紧上界。这是经典最优停止理论中Snell包络概念的非线性、Bermudan和无限期限版本。
无限期限动态规划的核心是将“当前立即停止”和“继续到下一个Bermudan时刻”进行比较。作者在θk时定义严格继续价值(V^+(\theta_k)),即只允许在严格晚于θk的时间点停止。由于θk之后的策略集合等于从θk+1开始的策略集合,因此严格继续价值可以与θk+1时刻的价值联系起来。
\rho_{\theta_k,\theta_{k+1}} [V(\theta_{k+1})], ] 其含义是:从θk出发,如果不在当前时刻停止,那么继续到下一个可行时刻的价值,等于对下一时刻价值进行当前评价。
\xi(\theta_k)\vee V^+(\theta_k), ] 即当前价值等于立即兑现收益与继续价值二者的最大值。这是最优停止理论中最直观的“停止/继续”二分结构。作者强调,该结论在无限期限下仍然成立,但需要利用Θ的拼接封闭性、评价算子的一致性和单调Fatou性质来处理可能无限延伸的候选策略。
论文在第三节引入额外条件,要求评价算子满足一种“有界扰动控制”性质:对终端收益增加一个常数b,评价结果至多增加Cb,其中C只依赖于ρ。对于次可加算子,C可以取1;对于线性条件期望,这一关系甚至是等式。
在收益序列满足 [ \limsup_{n\to\infty}\xi(\theta_n)<+\infty ] 以及评价算子在时间趋于无穷时具有适当收敛性质的前提下,作者构造了一个首次接近收益的停止时刻νkε。直观上,νkε是在θk之后首次满足 [ V(\tau)\leq \xi(\tau)+\varepsilon ] 的Bermudan时刻。作者证明该停止时刻几乎处处有限,并且是ε̃-最优的,其中ε̃=Cε。
这说明在无限期限下,即便精确最优时刻未必容易直接构造,投资者仍可以找到一个有限时刻,使其收益评价距离最优价值任意接近。关键逻辑是:如果首次接近收益的时刻无限,则价值族在所有未来时点都明显高于收益族,这与价值和收益在无穷远处具有相同有限上极限的结论相矛盾。
作者进一步定义 [ \nu_k=\operatorname*{ess,inf} {\tau\in\Theta_{\theta_k}:V(\tau)=\xi(\tau)}, ] 即从θk之后价值首次触及收益的时刻。定理指出,νk是最优停止时刻,当且仅当νk几乎处处有限。
该结论揭示了无限期限问题与有限期限问题之间的关键差异:在有限期限中,首次触及通常更容易保证存在;在无限期限中,价值可能永远不触及收益,因此必须把“触及时刻有限”作为最优性的必要条件。作者通过证明价值族在触及前是((\Theta,\rho))-鞅,并在触及时满足V=ξ,进而应用最优性判据。
第四节研究非负((\Theta,\rho))-超鞅是否像经典非负超鞅那样收敛。作者在这里限制评价算子只依赖第一个指标,即 [ \rho_{S,\tau}=\rho_S, ] 并额外要求通常零一律、正齐次性、非退化性以及归一化条件ρ₀[1]=1。
证明采用经典上穿不等式思路。对有理数区间[a,b],作者定义超鞅过程在该区间内完成的上穿次数N([a,b]),并证明其评价意义下的概率界随上穿次数k呈几何衰减: [ \rho_0[1_{{N([a,b])\geq k}}] \leq \left(\frac ab\right)^k. ] 由于右侧随k趋于无穷而趋于零,再结合非退化条件,可以推出上穿次数几乎处处有限。
通过对所有有理数a<b进行可数并,作者得出非负((\Theta,\rho))-超鞅族沿θn几乎处处收敛。这是经典Doob收敛定理的非线性版本。 不过,作者明确指出,该结论目前仅覆盖ρ只依赖评价时刻的情形;如果ρ还依赖收益揭示时刻τ,是否仍然成立尚未解决。
如果初始值有限,并且ρ₀满足更强的强Fatou性质,作者还证明极限随机变量本身几乎处处有限。这一结果避免了“序列收敛但极限为正无穷”的退化情况。
第五节将抽象理论应用于无限期限BSDE。作者考虑由布朗运动生成的滤波,并令终端条件η属于L²(F∞)。驱动函数g满足可积性、Lipschitz型增长和时间衰减条件,其中控制函数u满足平方可积,v满足可积。
在这些条件下,无限期限BSDE存在唯一解((Y,Z)),并由第一分量定义g-条件期望: [ \mathcal E^g_t[\eta]=Y_t. ] 该评价具备通常零一律、单调性、严格单调性、知识保持、时间一致性和终端条件连续性等性质,因此可以作为论文一般非线性评价算子ρ的实例。
作者还证明了当时间t趋于无穷时,g-条件期望在L²意义下收敛于终端条件η。这一结论正是无限期限动态规划和最优停止结果中所需的“评价在无穷远处恢复终端收益”的技术基础。
论文给出金融市场例子:在Black-Scholes型市场中,取短期利率r=0、波动率σ=1,并令驱动函数为 [ g(t,y,z)=-\theta(t)z, ] 其中θ为市场价格风险。若θ的平方可积,则该g满足相关条件;在更一般的随机漂移和波动率模型中,只要市场价格风险被适当的平方可积函数控制,同样可以构造该评价。
此外,作者证明g-评价满足一个常数扰动界: [ \mathcal E^g_S[\eta+b] \leq \mathcal E^g_S[\eta]+Cb, ] 其中C由驱动函数的增长控制函数v决定。这正好对应第三节ε-最优停止定理所需的Assumption 3.1。
本文提供的文本中没有编号表格、统计图、曲线图或独立图片,因此不存在需要以Markdown形式插入的图片路径,也无法进行基于视觉坐标的趋势读取。论文的主要“展示性内容”实际上是定理、命题、引理及其公式,而不是经验数据图表。
从结构上看,全文没有公司财务报表、估值表、敏感性分析表或历史/预测数据表。其“数据点”主要表现为数学条件,例如θk单调趋于无穷、收益非负、L²可积、上穿概率界按((a/b)^k)衰减,以及BSDE控制函数u、v分别满足平方可积和可积条件。
第一,论文的许多核心证明被概括为“沿用既有文献方法”或直接省略,例如Snell包络定理、动态规划命题以及部分技术引理的完整证明并未在正文展开。这使论文结构紧凑,但也意味着读者需要依赖前置文献和附录才能完全核验无限期限拓展中是否出现新的边界问题。
第二,虽然论文允许收益非负且可能不可积,但ε-最优和BSDE应用部分又引入了有限上极限、L²条件或被鞅支配等限制。因此,理论框架的最大一般性与具体可应用结果之间存在明显差异:最一般的价值族定义允许无穷收益,但真正获得停止时刻存在性和BSDE实例时,仍需要较强的可积性与极限条件。
第三,Doob型收敛结果只处理ρ不依赖第二个指标的情况。对于一般的ρS,τ,评价不仅取决于当前评价时刻,还取决于终端收益揭示时刻;此时经典上穿论证中的时间一致性和事件处理更复杂,论文明确将其列为开放问题。
第四,论文没有讨论凸性、风险厌恶参数、经济均衡或实际市场数据,因此其金融含义主要是方法论和理论工具层面,而非直接给出可交易产品的定价结论。BSDE部分展示了理论可由金融市场模型实现,但没有进行数值计算、参数校准或策略表现比较。
总体而言,本文建立了一个较完整的无限期限、非线性、Bermudan约束下的最优停止理论框架。作者证明价值族具备非线性Snell包络结构和动态规划结构,并在适当条件下获得ε-最优停止时刻及精确最优停止时刻。
论文最重要的技术洞见是:无限期限并不会破坏动态规划本身,但会把“停止时刻是否有限”和“无穷远处价值是否可控”提升为核心问题。首次触及收益的策略只有在有限时才真正最优,而非负超鞅的收敛性则需要对评价算子施加额外结构,尤其是正齐次性、零一律和非退化性。
BSDE实例进一步表明,g-期望能够满足这些抽象条件中的大部分,并且可以为金融市场中的动态风险调整评价提供具体实现。 论文的总体立场不是提出投资评级,而是证明:在广泛但明确的结构性假设下,经典最优停止理论的Snell包络、动态规划、首次触及最优性和Doob收敛思想,可以系统地推广到无限期限和非线性评价环境中。
2608.08299.pdf