Skip to main content
QUICK REVIEW

[论文解读] Stochastic differential equations with non-lipschitz coefficients: I. Pathwise uniqueness and large deviation

Shizan Fang, Tusheng Zhang|arXiv (Cornell University)|Nov 4, 2003
Stochastic processes and financial applications参考文献 9被引用 5
一句话总结

本文建立了满足对数霍尔德型条件的非利普希茨系数随机微分方程(SDEs)的路径唯一性以及弗雷德林-温特塞尔型大偏差原理。通过构造一族辅助函数 $(\Phi_\rho)$,作者克服了在非利普希茨情形下格朗沃尔不等式失效的问题,从而实现了强解的存在性以及对大偏差分析至关重要的指数矩估计,适用于有界与无界系数情形。

ABSTRACT

We study a class of stochastic differential equations with non-Lipschitzian coefficients.A unique strong solution is obtained and a large deviation principle of Freidln-Wentzell type has been established.

研究动机与目标

  • 在漂移与扩散系数满足对数霍尔德条件时,建立SDEs的路径唯一性,从而弱化经典的利普希茨假设。
  • 在系数满足 $|x|\log|x|$ 增长条件下,证明解不会爆炸。
  • 为具有非利普希茨系数的小噪声SDE的极限,推导弗雷德林-温特塞尔型大偏差原理。
  • 证明唯一强解可通过欧拉格式近似,并利用指数矩估计实现快速收敛。

提出的方法

  • 引入一族正的、递增的函数 $(\Phi_\rho)_{\rho>0}$,重新加权伊藤过程,使在非利普希茨条件下仍可适用格朗沃尔型不等式。
  • 利用函数 $\psi(\xi) = \int_0^\xi \frac{ds}{s r(s) + 1}$ 与 $\Phi(\xi) = e^{\psi(\xi)}$ 控制 $|X_t|^2$ 的增长,并在 $|x|\log|x|$ 增长条件下证明解不会爆炸。
  • 构造SDE的截断版本,采用有界系数 $b_R, \sigma_R$ 局域化问题,并在紧集上应用大偏差技术。
  • 利用同一族函数 $\Phi_{\rho,\lambda}$ 证明欧拉近似中的指数矩估计,克服在非利普希茨情形下标准矩估计失效的问题。
  • 通过压缩原理建立大偏差原理,证明解的分布满足弗雷德林-温特塞尔LDP,且具有良定义的速率函数 $I(f)$。
  • 通过在速率函数的水平集上使用紧致性与连续性论证,证明 $I(\cdot)$ 为良速率函数,从而确保在无界系数情形下LDP成立。

实验结果

研究问题

  • RQ1当系数满足对数霍尔德条件而非标准利普希茨条件时,SDEs的路径唯一性是否仍成立?
  • RQ2尽管由于非利普希茨连续性导致皮卡德迭代失效,是否仍可为这类SDEs构造强解?
  • RQ3对于具有非利普希茨系数的SDEs,特别是小噪声极限下,是否成立弗雷德林-温特塞尔型大偏差原理?
  • RQ4在放宽的系数条件下,能否证明欧拉格式可指数快速收敛至真实解?
  • RQ5在无界系数情形下,SDE的大偏差原理的速率函数是否良定义且为良函数(即水平集紧致)?

主要发现

  • 对于满足对数霍尔德条件 (H.1) 的SDEs,即使系数非利普希茨,路径唯一性仍成立,通过一族辅助函数 $\Phi_\rho$ 恢复格朗沃尔型估计。
  • 在 $|x|\log|x|$ 增长条件下,解不会爆炸,其证明依赖于李雅普诺夫型函数 $\Phi(\xi) = \exp\left(\int_0^\xi \frac{ds}{s r(s) + 1}\right)$,其中 $r(s) = \log s$。
  • 对于小噪声SDE $dX^\varepsilon(t) = \varepsilon^{1/2} \sigma(X^\varepsilon(t)) dW_t + b(X^\varepsilon(t)) dt$,弗雷德林-温特塞尔型大偏差原理成立,且具有良速率函数 $I(f)$,该函数通过骨架方程定义。
  • 通过证明对所有 $\alpha \geq 0$,集合 $\{f : I(f) \leq \alpha\}$ 是紧致的,利用局域化与解映射的连续性,证明 $I(f)$ 为良速率函数。
  • 通过证明 $\mu_\varepsilon(C) \leq \mu_\varepsilon^R(C_R) + P(\sup_t |X^\varepsilon(t)| > R)$ 并令 $R \to \infty$,结合指数尾部估计,将大偏差原理从有界系数推广至无界系数情形。
  • 唯一强解可作为欧拉近似的极限获得,且在给定的非利普希茨条件下,其收敛速度在 $L^1$ 意义下为指数级。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。