問題の定式化
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2019/12/10 03:40 UTC 版)
与えられた √x (x > 0) に対し、10k の位 ak (k ≤ n) を求める: x = ∑ k ≤ n 10 k a k = 10 n a n + 10 n − 1 a n − 1 + ⋯ + 10 2 a 2 + 10 a 1 + a 0 + 10 − 1 a − 1 + 10 − 2 a − 2 + ⋯ {\displaystyle {\begin{aligned}{\sqrt {x}}&=\sum _{k\leq n}10^{k}a_{k}\\&=10^{n}a_{n}+10^{n-1}a_{n-1}+\cdots +10^{2}a_{2}+10a_{1}+a_{0}+10^{-1}a_{-1}+10^{-2}a_{-2}+\cdots \end{aligned}}} x の首位を an とする。つまり、n は √x < 10k+1 を満たす最小の k とする。また便宜上 ak = 0 (k > n) とする。 √x の 10m の位より上(かみ)の位 pm は分かっているとし、10m の位 am を求めるとする。すなわち p m = ∑ k = m + 1 n 10 k − m − 1 a k = 10 n − m − 1 a n + 10 n − m − 2 a n − 1 + ⋯ + 10 a m + 2 + a m + 1 {\displaystyle p_{m}=\sum _{k=m+1}^{n}10^{k-m-1}a_{k}=10^{n-m-1}a_{n}+10^{n-m-2}a_{n-1}+\cdots +10a_{m+2}+a_{m+1}} とおく。 am は 10m+1pm + 10mam ≤ √xを満たす最大の am、すなわち (20pm + am)am ≤ 10−2mx − 100pm2 … (1) を満たす最大の am である。これを見つける。 am の値は 0 から 9 までの 10 通りなので、順に試していけば am は求まる。 m = n のとき、pn = 0 よりan2 ≤ 10−2nx m < n のとき、20pmam ≤ (20pm + am)am ≤ 10−2mx − 100pm2 pm ≠ 0 より a m ≤ 10 − 2 m x − 100 p m 2 20 p m {\displaystyle a_{m}\leq {\frac {10^{-2m}x-100{p_{m}}^{2}}{20p_{m}}}} 右辺の計算値により、am の値の見当を付けることができる。 これにより am が求まれば、 pm−1 = 10pm + am の値が分かるから、 (20pm−1 + am−1)am−1 ≤ 10−2(m−1)x − 100pm−12 を満たす最大の am−1 を見つければよい。 このようにして、帰納的に ak (k ≤ n) の値が求まる。
※この「問題の定式化」の解説は、「開平法」の解説の一部です。
「問題の定式化」を含む「開平法」の記事については、「開平法」の概要を参照ください。
問題の定式化
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2020/01/26 14:12 UTC 版)
「マートンのポートフォリオ問題」の記事における「問題の定式化」の解説
以下ではMerton & (1971)の記述に基づく。時点 t {\displaystyle t} における株式の価格を S t {\displaystyle S_{t}} 、債券の価格を B t {\displaystyle B_{t}} とする。株式価格は以下の確率微分方程式に従うとする。 d S t = μ S t d t + σ S t d W t {\displaystyle dS_{t}=\mu S_{t}dt+\sigma S_{t}dW_{t}} ここで μ {\displaystyle \mu } と σ > 0 {\displaystyle \sigma >0} は定数のパラメーターであり、 W t {\displaystyle W_{t}} はブラウン運動である。つまり株式価格は幾何ブラウン運動に従う。債券価格は次のように表されるとする。 B t = B 0 exp { r t } {\displaystyle B_{t}=B_{0}\exp\{rt\}} ここで r {\displaystyle r} は時間を通じて一定の安全利子率である。よってブラック=ショールズモデルと同様の設定になっている。 さらに投資家の時点 t {\displaystyle t} における資産額を X t {\displaystyle X_{t}} で表す。また時点 t {\displaystyle t} における、投資家の株式への投資比率を α t {\displaystyle \alpha _{t}} とする。よって投資家は各時点において α t X t {\displaystyle \alpha _{t}X_{t}} ドルを株式に投資し、 ( 1 − α t ) X t {\displaystyle (1-\alpha _{t})X_{t}} ドルを債券に投資する。投資家の資産額は次の確率微分方程式に従う。 d X t = α t X t d S t S t + ( 1 − α t ) X t d B t B t − c t d t = ( ( ( μ − r ) α t + r ) X t − c t ) d t + α t X t σ d W t {\displaystyle dX_{t}=\alpha _{t}X_{t}{\frac {dS_{t}}{S_{t}}}+(1-\alpha _{t})X_{t}{\frac {dB_{t}}{B_{t}}}-c_{t}dt={\Big (}((\mu -r)\alpha _{t}+r)X_{t}-c_{t}{\Big )}dt+\alpha _{t}X_{t}\sigma dW_{t}} ここで c t {\displaystyle c_{t}} は投資家の時点 t {\displaystyle t} における消費額である。よりヒューリスティックな説明をすれば、 α t X t S t {\displaystyle {\frac {\alpha _{t}X_{t}}{S_{t}}}} と ( 1 − α t ) X t B t {\displaystyle {\frac {(1-\alpha _{t})X_{t}}{B_{t}}}} がそれぞれ株式と債券の保有単位数を表しているので、 t {\displaystyle t} 時点における資産額の瞬間的増分が α t X t d S t S t + ( 1 − α t ) X t d B t B t {\displaystyle \alpha _{t}X_{t}{\frac {dS_{t}}{S_{t}}}+(1-\alpha _{t})X_{t}{\frac {dB_{t}}{B_{t}}}} で表され、そこから消費に使用する分の額 c t {\displaystyle c_{t}} を引いたものが最終的な資産額の瞬間的な増減の量になる。 投資家は次の時点 t {\displaystyle t} から T > t {\displaystyle T>t} までの期待効用最大化問題に直面しているとする。 V ( t , x ) = max α , c E t , x [ ∫ t T e − ρ s u ( c s ) d t + e − ρ T u ( X T ) ] {\displaystyle V(t,x)=\max _{\alpha ,c}E_{t,x}\left[\int _{t}^{T}e^{-\rho s}u(c_{s})dt+e^{-\rho T}u(X_{T})\right]} subject to d X s = ( ( ( μ − r ) α s + r ) X s − c s ) d s + α s X s σ d W s , {\displaystyle {\mbox{subject to }}dX_{s}={\Big (}((\mu -r)\alpha _{s}+r)X_{s}-c_{s}{\Big )}ds+\alpha _{s}X_{s}\sigma dW_{s},} X t = x {\displaystyle X_{t}=x} ただし、 ρ > 0 {\displaystyle \rho >0} は定数の割引パラメーターで、効用関数 u ( c ) {\displaystyle u(c)} はCRRA型効用関数である。つまり u ( c ) = { c 1 − γ 1 − γ γ ≠ 1 , γ > 0 log ( c ) γ = 1 {\displaystyle u(c)={\begin{cases}{\dfrac {c^{1-\gamma }}{1-\gamma }}&\gamma \neq 1,\gamma >0\\\log(c)&\gamma =1\end{cases}}} である。
※この「問題の定式化」の解説は、「マートンのポートフォリオ問題」の解説の一部です。
「問題の定式化」を含む「マートンのポートフォリオ問題」の記事については、「マートンのポートフォリオ問題」の概要を参照ください。
問題の定式化
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2020/12/02 19:43 UTC 版)
n の変数と m の制約からなる二次計画問題は以下のように定式化することができる。 以下を所与とする: 実数値の n 次元ベクトル c n 行 n 列の実数値対称行列 Q m 行 n 列の実数値行列 A 実数値の m 次元ベクトル b 二次計画問題の目的は以下の問題の解となる n 次元ベクトル x を見つけることである。 minimize {\displaystyle {\text{minimize}}} 1 2 x T Q x + c T x {\displaystyle {\tfrac {1}{2}}\mathbf {x} ^{\mathrm {T} }Q\mathbf {x} +\mathbf {c} ^{\mathrm {T} }\mathbf {x} } subject to {\displaystyle {\text{subject to}}} A x ≤ b , {\displaystyle A\mathbf {x} \leq \mathbf {b} ,} ここで xT はベクトル x の転置を表す。Ax ≤ b という記法はベクトル Ax の全ての要素が対応するベクトル b の要素より小さいもしくは等しいことを意味する。 関係する最適化問題として、二次制約付き二次計画問題(英語版)があり、二次制約付き二次計画問題では二次の制約が足されている。
※この「問題の定式化」の解説は、「二次計画法」の解説の一部です。
「問題の定式化」を含む「二次計画法」の記事については、「二次計画法」の概要を参照ください。
問題の定式化
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/12/16 23:21 UTC 版)
「ゴムロープの上のアリ」の記事における「問題の定式化」の解説
上述した問題にはいくつかの前提を付け加えなければならない。それらをきちんと述べると次のようになる。 細くて無限に伸びるゴムロープが x {\displaystyle x} -軸上にピンと張られている。目標地点の位置を x = c ( > 0 ) {\displaystyle x=c(>0)} と表す。 時刻 t = 0 {\displaystyle t=0} で、ロープは端点 x = 0 {\displaystyle x=0} が固定されたまま全体が一様に伸び始め、目標地点は一定速度 v > 0 {\displaystyle v>0} で端点 x = 0 {\displaystyle x=0} から離れていく。 小さなアリは時刻 t = 0 {\displaystyle t=0} で端点 x = 0 {\displaystyle x=0} を出発し、ロープに対する一定の相対速度 α > 0 {\displaystyle \alpha >0} で目標地点へ向かって進んでいく。 アリは目標地点に到達することができるか。
※この「問題の定式化」の解説は、「ゴムロープの上のアリ」の解説の一部です。
「問題の定式化」を含む「ゴムロープの上のアリ」の記事については、「ゴムロープの上のアリ」の概要を参照ください。
- 問題の定式化のページへのリンク