Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Optimización dinámica en tiempo continuo Economía Matemática – 2019/1 Tiempo discreto y continuo en macroeconomia y finanzas Source: Brunnermeier and Sannikov, Macro, Money and Finance: A Continuous-Time Approach, Handbook of Macroeconomics Definición del problema • El problema de optimización que vamos resolver es Ṽ (x0,0)≡ máx c(t),x(t) ∫ ∞ 0 e−ρtu(x(t),c(t))dt sujeto a: ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ 0 x(0) dado Definición del problema • x(t) ∈ X ⊆ Rn: variable de estado • c(t) ∈ A⊆ Rm: variable de control • u : X ×A→ R: función de utilidad instantánea • La variable de control ahora es una función c(t) : R+ 7→ R Problema en t = τ > 0 • Considere ahora el problema de un agente en periodo τ : Ṽ (x , τ)≡ máx c(t),x(t) ∫ ∞ τ e−ρtu(x(t),c(t))dt sujeto a ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ τ x(τ) dado • Si multiplicamos su función utilidad por eρτ tenemos V (x)≡ Ṽ (x , τ) = máx c(t),x(t) ∫ ∞ τ e−ρ(t−τ)u(x(t),c(t))dt • V (x) es función valor optima en valor corriente Supuesto técnico Suposición La función valor optima V (x) es diferenciable. • Haciendo algunos supuesto adicionales, podemos garantizar que la función V es diferenciable • Pero no vamos preocuparnos con esto en este curso I En muchos problemas este supuesto no es verdad, pero hay tenemos la teoría de viscosity solutions I Referencias, por si acaso les interesa: ∗ Lions (1983) “Hamilton-Jacobi-Bellman Equations and the Optimal Control of Stochastic Systems” ∗ Bressan (2011) “Viscosity Solutions of Hamilton-Jacobi Equations and Optimal Control Problems” I En general, mismo que el supuesto sea violado, podemos utilizar los resultados presentados acá, desde que interpretemos la solución de una ecuación diferencial de otra manera («in the viscosity sense») Hamilton-Jacobi-Bellman Teorema La función valor optima en valor corriente satisface la ecuación de Hamilton-Jacobi-Bellman: ρV (x) = máx c∈A { u(x ,c) + V ′(x) · f (x ,c) } • Obs: si x es un vector, V ′(x) representa el vector gradiente Derivación heurística HJB • Suponga que en un dado periodo τ el agente debe eligir c(t) = c y no cambiar hasta t + dt • Por simplicidad, suponga que x ∈ R y c ∈ R • Entonces, su problema es V (x) = máx c {∫ τ+dt τ e−ρ(t−τ)u(x(t),c)dt + e−ρdtV (x(τ + dt)) } (1) sujeto a ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ τ x(τ) = x dado Derivación heurística HJB • Podemos re-ordenar (1) para obtener (sume por −e−ρdtV (x) de los dos lados)( 1− e−ρdt ) V (x) = máx c {∫ τ+dt τ e−ρ(t−τ)u(x(t),c)dt + e−ρdt [V (x(τ + dt)) − V (x)] } sujeto a ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ τ x(τ) = x dado Derivación heurística HJB • Dividiendo por dt( 1− e−ρdt ) V (x) dt = máx c {∫ τ+dt τ e−ρ(t−τ)u(x(t),c)dt dt + e−ρdt [V (x(τ + dt)) − V (x)] dt } sujeto a ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ τ x(τ) = x dado Derivación heurística HJB • Sacando el limite cuando dt→ 0 tenemos: ρV (x) = máx c { u(x ,c) + V ′(x)ẋ(t) } sujeto a ẋ(t) = f (x(t),c(t)) y c(t) ∈ A,x(t) ∈ X ,∀t ≥ τ x(τ) = x dado • Obs: hay que usar L’Hopital para ĺımdt→0 (1−e−ρdt)V (x) dt y también el teorema fundamental del calculo para ĺımdt→0 ∫ τ+dt τ e−(ρ−τ)t u(x(t),c)dt dt • Perciba que dd(dt) (∫ τ+dt τ e−ρ(t−τ)u(x(t),c)dt dt ) = e−ρdtu(x(τ + dt),c) por el teorema fundamental del calculo Derivación heurística HJB • Reemplazando ẋ(t) = f (x(t),c(t)) tenemos ρV (x) = máx c∈A { u(x ,c) + V ′(x)f (x ,c) } (HJB) • Por lo tanto, si V (x) es la función valor optima satisface HJB Ejemplo: inversión • Considere el siguiente problema V (k)≡ máx I(t),k(t) ∫ ∞ 0 e−ρt [ πk(t)− I(t)− 12 ( I(t) k(t) )2 k(t) ] dt sujeto a k̇(t) =−δk(t) + I(t) k(t)≥ 0 k(0) dado • f (·) es la función de producción, 12 ( I(t) k(t) )2 k(t) son costos de ajuste, I(t) es la inversión, k(t) es capital Ejemplo: inversión • La HJB es ρV (k) = máx I { πk− I− 12 ( I k )2 k + V ′(k) [−δk + I] } • La CPO para I nos da −1− Ik + V ′(k) = 0 Ejemplo: inversión • Reemplazando I = k (V ’(k)−1) en la HJB: ρV (k) = πk−k (V ’(k)−1)− 12 (V ’(k)−1) 2 k + V ′(k) [−δk + k (V ’(k)−1)] ρ V (k) k = π+ 1 2 − (1+ δ)V ′(k) + 12V ′(k)2 (HJB Inv) • Ecuación no lineal... No sabemos encontrar solución general de manera analítica I Condiciones suficientes? • Sabemos que la HJB es necesaria, pero no suficiente para el optimo • Si fuera suficiente, bastaría encontrar una solución de (HJB INV), pero no lo es • Como veremos, (HJB) + (alguna condición de transversalidad) serán necesarias y suficientes para el encontrar la función valor optima • Antes vamos mirar el método del Hamiltoniano Hamiltoniano Hamiltoniano: cookbook • Escriba: H(x(t),c(t),λ(t)) = u(c(t),x(t)) +λ(t)f (x(t),c(t)) • Llamamos λ(t) de co-estado. Sobre algunas condiciones, c(t),k(t) son óptimos si, y solo si, las siguientes condiciones se cumplen para alguna función λ(t): Hc(x(t),c(t),λ(t)) = 0 (1) λ̇(t) = ρλ(t)−Hx (x(t),c(t),λ(t)) (2) ẋ(t) = f (x(t),c(t)) (3) ĺım T→∞ e−ρTλ(T )x(T ) = 0 (4) x(0) = x0 dado (5) Relación entre Hamiltoniano y HJB • Podemos reescribir (1) y (2) como (omitimos los argumentos de tiempo) uc(c,x) +λfc(x ,c) = 0 (1’) λ̇= ρλ−ux (c,x)−λfx (x ,c) (2’) • La condición de primera orden de HJB implica uc(x ,c) + V ′(x)fc(x ,c) = 0 (CPO HJB) • Suponga fc(x(t),c(t)) 6= 0 siempre. • Entonces, (1’) y (CPO HJB) son satisfecha si, y solo si, λ(t) = V ′(x(t)) Relación entre Hamiltoniano y HJB • Sacando la derivada de HJB en el c optimo con relación a x (envelope theorem) ρV ′(x) = ux (x ,c) + V ′′(x)f (x ,c) + V ′(x)fx (x ,c) • Sacando la derivada de λ(t) = V ′(x(t)) con relación al tiempo: λ̇= V ′′(x)ẋ = V ′′(x)f (x ,c) • Luego, combinando las dos ecuaciones arriba: ρλ= ux (x ,c) + λ̇+λfx (x ,c) • Que es igual a (2’) Relación entre Hamiltoniano y HJB • Además, usando λ(t) = V ′(x(t)) en la condición de transversalidad del Hamiltoniano tenemos ĺım T→∞ e−ρT V ′(x(T ))x(T ) = 0 (TC) Relación entre Hamiltoniano y HJB • Suponga que uno tiene una función V (x) que satisface HJB y (TC) • Sea c(t) y x(t) la evolución de c y x suponiendo que maximizamos HJB para un cada x I Tomando V (x) y x(0) como dado • Entonces, si hacemos λ(t) = V ′(x) tenemos que condiciones (1), (2), (3), (4) y (5) del Halmitoniano se cumplen • En otras palabras: las condiciones del Halmitoniano son equivalentes a (TC)+(HJB) Relación entre Hamiltoniano y HJB • Por lo tanto, si uno tiene una función V (x) que satisface HJB • Sea c(t) y x(t) la evolución de c y x suponiendo que maximizamos HJB para un cada x I Tomando V (x) como dado • Entonces, si hacemos λ(t) = V ′(x) tenemos que condiciones (1), (2), (3) y (5) del Halmitoniano se cumplen • En otras palabras: las condiciones del (1), (2), (3) y (5) llevan a los mismo resultados que HJB Sumário Tenemos dos tipos de condiciones necesarias y suficientes para resolver el problema: 1 Hamiltoniano: H(x(t),c(t),λ(t)) = u(c(t),x(t)) +λ(t)f (x(t),c(t)), con Hc(x(t),c(t),λ(t)) = 0 (1) λ̇(t) = ρλ(t)−Hx (x(t),c(t),λ(t)) (2) ẋ(t) = f (x(t),c(t)) y ĺım T→∞ e−ρTλ(T )x(T ) = 0 y x(0) = x0 (3,4,5) 2 Hamilton-Jacobi-Belman y (TC): ρV (x) = máx c∈A { u(x ,c) + V ′(x)f (x ,c) } (HJB) ĺım T→∞ e−ρT V ′(x(T ))x(T ) = 0 (TC) Ejemplo: inversión (de nuevo) • En el problema de inversión (usando HJB) teníamos llegado que I(k) = k (V ’(k)−1) and ρV (x)k = π+ 1 2 − (1+ δ)V ′(k) + 12V ′(k)2 • Suponga ahora que ρ= 0,05, δ = 2 y π = 4 • Guess and verify: V (k) = ak, para alguna constante a. Entonces HJB es: ρa = π+ 12 − (1+ δ)a + 1 2a 2 • Resolviendo para a tenemos dos soluciones: a = 2,5 y a = 3,6 Ejemplo: inversión (de nuevo) • Hay dos soluciones para HJB: V (k) = 2,5 ·k y V (k) = 3,6 ·k • La primera solución implica: I(k) = 1,5 ·k ⇒ k̇ =−2k +1,5 ·k =−0,5k ⇒ k(t) = k0e−0,5t • La segunda solución implica: I = 2,6 ·k ⇒ k̇ =−2k +2,6 ·k = 0,6k ⇒ k0e0,6t • Perciba que la segunda solución viola la condición detransversalidad • Luego, la primera solución de HJB es la «cierta» I La función valor es V (k) = 2,5k • Homework: encuentre la solución de este problema usando el Hamiltoniano Hamilton-Jacobi-Bellman Hamiltoniano
Compartir