Publication

Convexity bounds for BSDE solutions, with applications to indifference valuation

Semyon Malamud
2011
Journal Articles

Résumé

We consider backward stochastic differential equations (BSDEs) with a particular quadratic generator and study the behaviour of their solutions when the probability measure is changed, the filtration is shrunk, or the underlying probability space is transformed. Our main results are upper bounds for the solutions of the original BSDEs in terms of solutions to other BSDEs which are easier to solve. We illustrate our results by applying them to exponential utility indifference valuation in a multidimensional It process setting.

Source officielle

https://infoscience.epfl.ch/entities/publication/2f1e2959-9653-4656-9171-a8f2708bf549

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Convexity bounds for BSDE solutions, with applications to indifference valuation

Chattez avec Graph Search

Technosignatures Longevity and Lindy's Law

Experimental characterization and stochastic models for time-dependent rupture of thin-ply composite laminates

A multigrid method for PDE-constrained optimization with uncertain inputs