[论文解读] Averaging Principles for Mixed Fast-Slow Systems Driven by Fractional Brownian Motion

Bin Pei, Yuzuru Inahama+1 more|arXiv (Cornell University)|Jan 20, 2020

Stochastic processes and financial applications参考文献 32被引用 11

一句话总结

本文建立了由分数布朗运动（fBm）和标准布朗运动（Bm）共同驱动的混合快慢系统的一致性原理，采用Zähle的分数阶积分方法处理fBm的积分，采用Itô积分处理Bm的积分。证明了慢分量在均方意义下收敛于一个由fBm驱动的极限SDE，其系数为快过程的不变测度上的平均值，从而实现模型简化与计算量降低。

ABSTRACT

We focus on fast-slow systems involving both fractional Brownian motion (fBm) and standard Brownian motion (Bm). The integral with respect to Bm is the standard Ito integral, and the integral with respect to fBm is the generalised Riemann-Stieltjes integral using the tools of fractional calculus. An averaging principle in which the fast-varying diffusion process of the fast-slow systems acts as a noise to be averaged out in the limit is established. It is shown that the slow process has a limit in the mean square sense, which is characterized by the solution of stochastic differential equations driven by fBm whose coefficients are averaged with respect to the stationary measure of the fast-varying diffusion. The implication is that one can ignore the complex original systems and concentrate on the averaged systems instead. This averaging principle paves the way for reduction of computational complexity.

研究动机与目标

• 为同时具有快慢动力学和混合分数阶与标准布朗运动噪声的随机系统建立平均化原理。
• 通过Zähle的分数阶微积分方法，解决fBm在H ≠ 1/2时非半鞅带来的随机微积分挑战。
• 将慢分量的极限表征为一个由fBm驱动的随机微分方程，其系数为快分量的不变测度上的平均值。
• 为通过用快变分量的平均效应替代原系统，实现复杂混合系统的简化，提供严格的数学基础。
• 通过用更简单的平均化系统替代原系统，降低建模中的计算复杂度。

提出的方法

• 系统建模为一个耦合SDE，其中慢分量Xε由fBm驱动，快分量Yε由标准布朗运动驱动，ε → 0 表示时间尺度分离。
• fBm的随机积分通过Zähle意义下的广义Riemann-Stieltjes积分进行解释，从而实现H > 1/2时的微积分运算。
• 假设对每个固定的x，快过程Yε具有唯一的不变测度，且平均漂移系数定义为b1在该不变测度上的期望。
• 通过快过程相关性的衰减估计和系数的Hölder连续性，证明了慢分量在均方意义下的收敛性。
• 关键技术步骤包括利用马氏性质和指数混合性，对快过程的协方差结构进行有界控制，从而实现时间相关性的指数衰减。
• 证明依赖于假设(H1)和(H2)，确保系数具有足够的正则性与线性增长性，并利用Malliavin微积分和矩估计控制误差。

实验结果

研究问题

• RQ1 能否为由分数布朗运动和标准布朗运动共同驱动的混合快慢系统建立平均化原理？
• RQ2 与标准扩散驱动的系统相比，非半鞅的fBm如何影响平均化极限？
• RQ3 在何种条件下，可保证慢分量收敛于一个由fBm驱动、系数为平均值的极限SDE？
• RQ4 在平均化原理的背景下，广义Riemann-Stieltjes积分如何用于定义fBm的随机积分？
• RQ5 快过程的不变测度在表征慢分量极限行为中起什么作用？

主要发现

• 慢分量Xε在均方意义下收敛于一个极限过程X̄，该过程满足由fBm驱动的随机微分方程，其系数为快过程的不变测度上的平均值。
• 极限SDE的漂移和扩散系数分别为原b1和σ1在快分量Yx的不变测度上的期望，确保平均化动力学定义良好。
• 收敛速率通过O(ε^{β})阶的误差界量化，其中β > 0，该界源于快过程相关性的指数衰减。
• 快过程的相关性结构被证明呈指数衰减，衰减速率取决于快扩散过程生成元的谱间隙，从而保证混合性。
• 证明表明，平均化系统能够捕捉原系统的长期行为，从而为模型简化提供理论依据。
• 该结果在假设(H1)和(H2)下成立，这些假设确保了系数的Hölder连续性、Lipschitz条件和线性增长性，从而保证了解的存在性与唯一性。