Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-30267
Titel: | Pathwise Dynamic Programming |
VerfasserIn: | Bender, Christian Gärtner, Christian Schweizer, Nikolaus |
Sprache: | Englisch |
Titel: | Mathematics of Operations Research |
Bandnummer: | 43 |
Heft: | 3 |
Startseite: | 965 |
Endseite: | 995 |
Verlag/Plattform: | Institute for Operations Research and the Management Sciences |
Erscheinungsjahr: | 2018 |
Dokumenttyp: | Journalartikel / Zeitschriftenartikel |
Abstract: | We present a novel method for deriving tight Monte Carlo confidence intervals for solutions of stochastic dynamic programming equations. Taking some approximate solution to the equation as an input, we construct pathwise recursions with a known bias. Suitably coupling the recursions for lower and upper bounds ensures that the method is applicable even when the dynamic program does not satisfy a comparison principle. We apply our method to three nonlinear option pricing problems, pricing under bilateral counterparty risk, under uncertain volatility, and under negotiated collateralization. |
DOI der Erstveröffentlichung: | 10.1287/moor.2017.0891 |
URL der Erstveröffentlichung: | https://pubsonline.informs.org/doi/10.1287/moor.2017.0891 |
Link zu diesem Datensatz: | hdl:20.500.11880/28709 http://dx.doi.org/10.22028/D291-30267 |
ISSN: | 1526-5471 0364-765X |
Datum des Eintrags: | 17-Feb-2020 |
Drittmittel / Förderung: | Deutsche Forschungsgemeinschaft |
Fördernummer: | BE3933/5-1 |
Fakultät: | MI - Fakultät für Mathematik und Informatik |
Fachrichtung: | MI - Mathematik |
Professur: | MI - Prof. Dr. Christian Bender |
Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.