Option Pricing and Hedging with Small Transaction Costs
一个具有恒定绝对风险厌恶的投资者交易具有一般伊藤动态的风险资产，存在小比例的交易成本。在这种情况下，我们正式推导出一个领先的订单最优交易政策和相关的福利，表示在本地动态的无摩擦优化。通过将这些结果应用于随机禀赋，我们得到了小交易成本下效用无差别价格和套期保值策略的渐近公式。
2012-12-12 math.OC math.PR q-fin.PM
Utility-based pricing and hedging of contingent claims in Almgren-Chriss model with temporary price impact
本文在具有暂时性价格冲击的Almante-Chriss模型下，构造了基于效用的欧式期权最优套期保值策略。这项工作的主要数学挑战源于退化的二阶项和二次增长的一阶项在相关的哈密顿-雅可比-贝尔曼方程，这使得它难以建立足够的正则性的值函数所需的反馈形式的最优策略的构建。通过结合描述价值函数和最优策略的分析和概率工具，我们建立了后者的反馈表示。我们使用这种表示来推导出期权的效用无差异价格的显式渐近展开，这使得我们能够通过标的市场的价格影响系数来量化期权市场的价格影响。
2020-06-16 math.OC math.PR q-fin.PR
Maximizing expected utility in the Arbitrage Pricing Model
我们考虑一个由数理经济学驱动的无穷维优化问题。在著名的“套利定价模型”中，我们使用概率和泛函分析技术来证明投资者最优策略的存在性，使他们的期望效用最大化。
2017-03-09 math.OC q-fin.MF
On optimal strategies for utility maximizers in the Arbitrage Pricing Model
我们考虑一个流行的模型的微观经济学可数许多资产：套利定价模型。我们研究了在期望效用准则下的最优投资问题，并寻找保证最优策略存在的条件。以往的研究结果需要对资产收益率分布的尾部进行一定的限制性假设。使用不同的方法，我们设法消除这一假设，在资产回报率的时刻更强的假设的代价。
2016-07-18 math.OC q-fin.MF
An Optimal Pricing Formula for Smart Grid based on Stackelberg Game
该研究将智能电网中公用事业公司与柔性用户的关系建模为Stackelberg博弈，推导了首个基于价格的需求响应策略最优定价公式及相关解析结果，还给出了非适用条件下的数值解法并验证了效率。
2024-07-13 math.OC
Optimal Investment with an Unbounded Random Endowment and Utility-Based Pricing
本文研究了具有无限随机禀赋的金融代理人的终端财富的期望效用最大化问题，其效用函数同时支持正财富和负财富。我们证明了最优交易策略的存在性一类允许的战略-这些战略的财富过程是一个上鞅下的所有定价措施有限的相对熵。我们给出了不存在基于效用的套利的充分必要条件，以及原问题解的存在性。我们考虑两种基于效用的方法，可以用来定价未定权益。首先，我们研究边际效用为基础的价格过程（MUBPP的）。我们证明了这样的过程可以被刻画为局部鞅下的效用最大化的投资者的归一化最优对偶测度。最后，我们提出了一些新的结果，效用无差别价格，包括连续性和体积渐近的情况下，一般的效用函数，无界捐赠和无界未定权益。
2007-09-11 math.OC math.PR q-fin.PM
On utility-based super-replication prices of contingent claims with unbounded payoffs
考虑一个金融市场，在这个市场中，一个代理人在公用事业引起的财富限制下进行交易。对于效用函数满足$-\infty$的合理渐近弹性条件，证明了在有限{ \it损失熵}的定价测度下，无界（但充分可积）未定权益的基于效用的超复制价格等于其贴现期望的上确界.对于一个效用函数从上到下是无界的代理人，具有有限损失熵的定价测度集合可以略大于具有有限熵的定价测度集合。实际上，前一个集合是后者在适当的弱拓扑下的闭包。我们证明的核心是一个锥$C_U$的效用为基础的超级可复制的或有权利要求的极锥有限损失熵定价措施的表示。锥$C_U$被定义为在一个相关的弱拓扑下，所有（充分可积的）或有债权的锥的闭包，这些或有债权可以被一个零融资的终端财富支配。我们还研究了这个结果的自然对偶，并证明了$C_U$的极锥是由具有有限损失熵的分离测度生成的。我们在测度和或有债权之间得到的完全双边极性为锥$C_U$的使用提供了经济上的正当性，也是一个开放性问题。
2006-09-14 math.FA math.OC math.PR
Getting real with real options
我们应用基于效用的方法来获得一个有限时间的投资机会的价值时，标的实物资产不完全相关的交易金融资产。使用离散时间算法来计算这种类型的实物期权的无差别价格，我们提出了相应的投资阈值的数值例子，特别强调他们的相关性和风险规避的依赖。
2006-04-13 math.OC math.PR q-fin.PR
Asymptotic Power Utility-Based Pricing and Hedging
Kramkov和Sirbu（2006，2007）已经证明，基于电力效用的价格和套期保值策略的一阶近似可以通过在特定的等价鞅测度下并相对于合适的计价单位求解均值-方差套期保值问题来计算。为了避免引入一个额外的状态变量所必需的改变的定值，我们提出了一个替代的表示法，在原来的定值。更具体地说，我们使用半鞅特征来描述相关数量，类似于Cerny和Kallsen（2007）的均值-方差套期保值。将这些结果应用于指数Lévy过程和Barndorff-Nielsen和Shephard型的随机波动率模型来说明。
2013-01-08 math.OC math.PR q-fin.PM
Distributionally robust portfolio maximisation and marginal utility pricing in one period financial markets
我们考虑了风险厌恶代理的最优投资和边际效用定价问题，并量化了它们对少量模型不确定性的暴露。具体地说，我们明确地计算一阶灵敏度的价值函数，最优投资策略和边际期权价格模型的不确定性。后者被理解为在概率测度空间中用来自围绕$\mathbb{P}$的小Wasserstein球的不利选择来替换基线模型$\mathbb{P}$。因此，我们的敏感性是完全非参数的。我们发现，结果纠缠的基准模型规范和代理人的风险态度。敏感性可以表现在一个非单调的方式作为基准模型的夏普比率的函数，资产在代理的投资组合的相对权重可以改变和边际价格可以增加时，代理面临的模型不确定性。
2021-11-12 math.OC math.PR q-fin.MF
Risk-Sensitive Learning and Pricing for Demand Response
Cornell University（康奈尔大学）
我们考虑的设置中，一个电力公司寻求削减其峰值电力需求，提供一个固定的客户群的消费相对于他们的预定基线减少统一的价格。潜在的需求曲线，它描述了总的消费减少，以响应提供的价格，假设是仿射的，并受到不可观察的随机冲击。假设两个参数的需求曲线和随机冲击的分布最初是未知的公用事业，我们调查的程度，公用事业可能会动态调整其提供的价格，以最大限度地提高其累积风险敏感的回报在有限数量的$T$天。为了有效地做到这一点，公用事业公司必须设计其定价政策，以平衡学习未知需求模型（探索）和随着时间的推移最大化其回报（开发）之间的权衡。在本文中，我们提出了这样一个定价政策，这是表现出预期的回报损失超过$T$天，最多是$O(\sqrt{T}\log(T))$，相对于Oracle的定价政策，知道的基本需求模型。此外，建议的定价政策产生的价格序列收敛到甲骨文最优价格的均方意义上。
2018-06-18 cs.LG math.OC
A chance-constrained dial-a-ride problem with utility-maximizing demand and multiple pricing structures
经典的拨号乘车问题（DARP）的目的是设计最小成本的路由，以适应一组用户的请求下的约束条件下，在运营规划水平，用户的偏好和收益管理往往被忽视。在本文中，我们提出了一种机制，接受/拒绝用户请求的需求响应运输（DRT）的背景下，替代交通方式的代表效用的基础上。我们考虑效用最大化的用户，并提出了一个混合整数规划制定的机会约束的DARP（CC-DARP），捕捉用户的偏好，从长远来看，通过Logit模型。我们进一步引入基于类的用户组，并考虑各种DRT服务的定价结构。一个定制的本地搜索为基础的启发式解决建议CC-DARP。我们报告的数字结果DARP基准的实例和一个现实的案例研究的基础上，纽约市黄色出租车行程数据。在105个基准测试实例上进行的计算实验，最多有96个节点，使用建议的局部搜索启发式算法，平均最优性差距为2.69%。现实的案例研究结果表明，分区票价结构是优化收入和乘客量方面的最佳策略。拟议的CC-DARP制定提供了一个新的决策支持工具，在战略规划层面为DRT系统的收入和车队管理提供信息。
2020-11-17 math.OC
On contingent claims pricing in incomplete markets: A risk sharing approach
在不完全市场环境下，我们考虑两个金融代理人，他们希望对一个不可复制的未定权益进行定价和交易。假设代理人是效用最大化者，我们提出的交易价格是其效用差异凸组合最小化的结果。我们把这个价格称为风险分担价格，我们证明了它的存在性的一个大家庭的效用函数，我们国家的一些性质。作为一个例子，我们广泛分析的情况下，两个代理报告指数效用。
2012-02-21 math.OC math.PR q-fin.CP
Internalizing sensing externality via matching and pricing for drive-by sensing taxi fleets
本文针对网约车出租车车队的巡游感知问题，提出基于双向拍卖的联合匹配定价方案，该方案具备多种优良经济特性，可有效内化感知外部性并实现与服务水平、预算平衡的协同。
2024-08-18 math.OC
Utility maximization under endogenous pricing
University of Ulm（乌尔姆大学）
本文研究了在内生定价机制下，大型投资者如何通过解决非线性后向随机偏微分方程来实现预期效用最大化，并探讨了不同条件下的解存在性和光滑性。
2026-01-21 math.OC math.PR q-fin.MF
Market Model for Demand Response under Block Rate Pricing
可再生能源在发电中占据中心地位。然而，由于可再生资源（风能、太阳能等）的间歇性，在可再生资源丰富的系统中使供需匹配是一项艰巨的任务。因此，需求响应（DR）计划是现代电网的重要组成部分。一个有效的DR技术是设计不同的定价方案，鼓励客户减少或转移电力负荷。在本文中，我们考虑了一个市场模型的DR使用块率定价（BRP）的两个块。我们在竞争市场中使用效用最大化方法。我们表明，当客户采取价格和效用代价函数是二次的系统达到一个均衡。此外，均衡是唯一的和有效的，最大化社会福利。提出了一种分布式算法，以找到块和负载的最优定价。消费者和公用事业公司都在经营市场。拟议的计划鼓励客户削减或转移他们的负荷。数值结果验证了我们的技术。
2020-08-29 cs.DC cs.SY eess.SY
A Distributed Online Pricing Strategy for Demand Response Programs
University of Washington（华盛顿大学）
本文提出了一种分布式在线定价策略，用于在不确定性和有限通信环境下优化需求响应。通过联合在线学习和定价算法，实现对消费者成本函数的估计，并在时间槽内发送价格信号，最终通过模拟实验验证了算法的有效性。
2017-08-09 cs.SY eess.SY math.OC
An Online Algorithm for Learning Buyer Behavior under Realistic Pricing Restrictions
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
我们提出了一个新的有效的在线算法来学习参数的效用最大化的买家，谁响应价格，在重复的交互设置的购买行为。我们的算法的主要特点是，它可以学习甚至非线性买方效用，同时与任意的价格约束，卖方可能会施加。这克服了以前方法的一个主要缺点，即使用不切实际的价格来学习这些参数，使它们在实践中不适用。
2018-03-06 cs.LG econ.EM math.OC
A Monte Carlo method for exponential hedging of contingent claims
基于效用的方法为不完全金融市场中的证券定价和套期保值提供了一种非常普遍的理论上一致的方法。在基于效用的框架中解决问题通常涉及动态规划，这在实践中可能难以实现。本文提出了一种求解基于指数型效用函数U（x）=-exp（-x）的动态规划最优投资组合问题的蒙特卡罗方法。该算法的灵感来自于Longstaff-Schwartz的方法定价的美国期权的蒙特卡洛模拟，涉及学习最优的投资组合选择策略的模拟蒙特卡洛数据。它与LS框架共享直观性、简单性和灵活性。
2002-11-25 math.OC math.PR q-fin.CP
Time-of-use Pricing for Energy Storage Investment
分时电价被电力公司广泛用于削峰填谷。这样的定价方案为用户提供了投资于电表后储能和将峰值负荷转移到低价区间的激励。然而，如果不考虑对储能投资的影响，设计不当的ToU定价方案可能会导致显著的福利损失，特别是当用户过度投资储能时，这会导致新的能源消费高峰。在本文中，我们将研究如何设计一个社会最佳的ToU定价方案，明确考虑其对存储投资的影响。我们将公用事业和用户之间的相互作用建模为两阶段优化问题。为了解决用户存储成本带来的信息不对称问题，提出了一种基于不同存储类型和每种存储类型总需求的分时计费方案。每个用户不需要透露他的私人费用信息。我们可以进一步计算最优的ToU定价，只有线性复杂度。基于真实数据的模拟表明，与完全信息下实现的社会最优值相比，我们提出的ToU定价的次优差距小于5%。
2021-12-18 cs.SY eess.SY math.OC
Voluntary Renewable Programs: Optimal Pricing and Revenue Allocation
Columbia University（哥伦比亚大学）
本文提出一个多期优化框架，设计自愿性可再生能源计划以最大化可再生能源部署。通过分析需求函数和收入分配，探讨了最优定价策略及收入分配对可再生能源扩展的影响。
2026-03-17 cs.SY eess.SY math.OC
Portfolio optimization in a default model under full/partial information
在本文中，我们考虑了一个金融市场的资产暴露于一些风险，导致资产价格的跳跃，并仍然可以在违约时间后进行交易。我们使用的违约强度建模方法，并解决在这个不完整的市场背景下，从终端财富的对数，幂和指数效用函数的最大化的期望效用的问题。我们将此问题作为完全信息和部分信息下的随机控制问题来研究。我们的贡献在于表明，最优策略可以通过对数效用函数的直接方法获得，并且幂效用函数的值函数可以确定为倒向随机微分方程的最小解。对于部分信息的情况下，我们展示了如何将问题分为两个问题：过滤问题和优化问题。我们还研究了不完全市场中未定权益价格的无差异定价方法和具有内部人信息的代理人的信息价格。
2013-11-21 math.OC q-fin.CP q-fin.PM
Stochastic Online Fisher Markets: Static Pricing Limits and Adaptive Enhancements
Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所）；Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程学院）
针对在线Fisher市场，研究静态定价的局限性，提出两种自适应标价算法（基于分布信息和显示偏好反馈），并通过数值实验验证其性能优势。
2024-09-20 cs.GT cs.LG econ.TH
Pricing Residential Electricity Based on Individual Consumption Behaviors
Stanford University（斯坦福大学）；University of Washington（华盛顿大学）
本文提出通过个体用电行为将用户分组，以优化批发市场价格的单位成本，并提供差异化定价方案，确保分组稳定性。
2017-08-05 cs.SI cs.SY eess.SY
Harnessing Unimodality in Semiparametric Contextual Pricing via Oracle Price Map Learning
Data Sciences and Operations Department, University of Southern California（南加州大学数据科学与运营系）；Stern School of Business, New York University（纽约大学斯特恩商学院）
本文研究了半参数标量指数估值模型中的上下文动态定价，通过Oracle价格图学习方法，利用β-Hölder光滑性和收益几何条件，提出了一种模块化粗到细策略，实现非参数Oracle图学习的最优 regret 界。
2026-05-14 cs.LG math.OC stat.ML
