[論文レビュー] Explicit solutions of G-heat equation with a class of initial conditions by G-Brownian motion

Mingshang Hu|ArXiv.org|Jul 16, 2009

Stochastic processes and financial applications参考文献 11被引用数 12

ひとこと要約

本稿では、Gブラウン運動と非線形期待値を用いて、初期条件 $\phi(x) = x^n$（$n \geq 1$ である整数）を伴うG熱方程式の明示的粘性解を導出する。G期待値 $\mathbb{E}^G[B_t^{2n+1}]$ が正であることを確立し、常微分方程式を介してその計算手法を提示する。この手法は、ボラティリティの不確実性下でのロバストなオプションプライシングへの応用を拡張する。

ABSTRACT

We obtain the viscosity solution of G-heat equation with the initial condition $ϕ(x)=x^{n}$ for each integer $n\geq1$ using the method of G-Brownian motion.

研究の動機と目的

• 非線形期待値の下で、$n \geq 1$ の初期条件 $\phi(x) = x^n$ を伴うG熱方程式の明示的解を導出すること。
• 線形ケースでは閉形式が得られない奇数次の $\mathbb{E}^G[B_t^{2n+1}]$ の計算という未解決問題を解消すること。
• G熱方程式の解と関連する常微分方程式（ODE）との間の関係を確立すること。
• 初期条件 $\phi(x) = l_1(x^+)^\alpha + l_2(x^-)^\alpha$（$\alpha > 0$）へのこの手法の拡張。
• 特にボラティリティの不確実性下でのロバストな期待値の計算という、数学的ファイナンス分野への応用を示すこと。

提案手法

• G期待値の下で、粘性解の枠組みを用いて初期データ $\phi(x) = x^n$ を伴うG熱方程式の解を構築する。
• 自己相似形 $u_n^\sigma(t,x) = t^{n+1/2} P_n^\sigma(x/\sqrt{t})$ を仮定することで、偏微分方程式を常微分方程式に簡約する。
• 関数 $P_n^\sigma(x)$ は、正規分布密度関数の積分を含む境界条件を持つ2階常微分方程式の $C^2$ 解として導出される。
• $G$-期待値 $\mathbb{E}^G[B_t^{2n+1}]$ は $t^{n+1/2} \cdot k_n$ として計算され、ここで $k_n$ は標準正規分布の下尾確率関数および累積分布関数を含む方程式系を解くことで決定される。
• 同様の手法を、$\phi(\lambda x) = \lambda^\alpha \phi(x)$ のようなべき乗的斉次性を持つ関数に拡張し、$\phi(x) = l_1(x^+)^\alpha + l_2(x^-)^\alpha$ の解構築を可能にする。
• 線形期待値との比較と $G$-期待値の非線形性の性質による検証を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 非線形期待値の下で、初期条件 $\phi(x) = x^n$ を伴うG熱方程式を $n \geq 1$ に対してどのように明示的に解けるか。
• RQ2 $\mathbb{E}^G[B_t^{2n+1}]$ の値は何か。また、線形ケースとはどのように異なるか。
• RQ3 自己相似解の仮定を用いることで、G熱方程式の解を常微分方程式に還元できるか。
• RQ4 この手法は、$\phi(x) = l_1(x^+)^\alpha + l_2(x^-)^\alpha$ の形をとる斉次初期関数へどのように拡張できるか。
• RQ5 これらの解がボラティリティの不確実性下でのロバストなファイナンスモデリングに与える影響は何か。

主な発見

• 初期条件 $\phi(x) = x^n$ を伴うG熱方程式の粘性解は、$u_n^\sigma(t,x) = t^{n+1/2} P_n^\sigma(x/\sqrt{t})$ として与えられ、ここで $P_n^\sigma$ は特定の境界条件を満たす2階常微分方程式の解である。
• $G$-期待値 $\mathbb{E}^G[B_t^{2n+1}]$ はすべての $n \geq 1$ に対して正であり、線形ケースではゼロであるのとは対照的である。
• $\sigma \in (0,1)$ の場合、$\mathbb{E}^G[B_t^{2n+1}] = k_n t^{n+1/2}$ であり、$k_n$ は標準正規分布の累積分布関数および下尾確率関数を含む方程式系を解くことで決定される。
• $\sigma = 0$ の場合、$\mathbb{E}^G[B_t^3] = k t^{3/2}$ であり、$k$ は $k = -2c^3 e^{c^2/2}$ および $1 = c^2 - c^3 e^{c^2/2} \int_c^\infty e^{-t^2/2} dt$（$c < 0$）を満たす。
• 初期関数 $\phi(x) = l_1(x^+)^\alpha + l_2(x^-)^\alpha$ に対しても、同様のODEフレームワークを用いて解を構築でき、斉次性が保たれる。
• 結果は、$\sup_{\sigma_\cdot \in \mathcal{U}_\sigma} \mathbb{E}^P[(\log S_T)^n] = \mathbb{E}^G[(\mu T + B_T)^n]$ の計算に応用され、ボラティリティの不確実性下でのロバストなファイナンス期待値を提供する。