[论文解读] Maximal type inequalities for linear stochastic Volterra equations

Anna Karczewska|ArXiv.org|Dec 26, 2004

Stochastic processes and financial applications被引用 3

一句话总结

本文通过分数阶分解方法，建立了线性随机伏尔泰拉方程中随机卷积的最大型不等式和指数尾部估计，将基于半群的随机演化方程结果推广至非半群型再生核算子的情形。尽管缺乏半群结构，该方法仍为温和解中随机卷积分量提供了矩和尾部界。

ABSTRACT

The note is devoted to estimates for convolutions appearing in some class of stochastic Volterra equations. Two maximal inequalities and exponential tail estimate are proved by the fractional method of infinite dimensional stochastic calculus. The paper extends on non-semigroup case some results obtained earlier for semigroups.

研究动机与目标

• 推导线性随机伏尔泰拉方程中出现的随机卷积的最大不等式与指数尾部估计。
• 将以往依赖于半群的基于分解的随机微积分技术，拓展至再生核算子不构成半群的方程。
• 在不依赖半群结构的较弱假设下，为线性随机伏尔泰拉方程温和解中随机卷积项提供矩和尾部界。
• 探究尽管存在理论限制，分数阶分解方法是否仍能在非半群情形下实现随机卷积的连续性。

提出的方法

• 将无限维随机分析中的分数阶分解方法应用于再生核非半群型的随机伏尔泰拉方程。
• 将随机卷积表示为分数阶积分算子与广义随机积分的复合，利用分数阶积分的正则化效应。
• 利用具有 $ C_0 $-半群 $ R(t) $ 的黎曼-刘维尔型分数阶积分算子 $ I_{eta} $，对随机积分进行正则化。
• 通过分解公式 $ W_B^{ ho}(t) = I_{eta}(I_{1-eta} \bullet W)(t) $ 推导矩界，其中 $ I_{1-eta} $ 充当光滑化算子。
• 利用希尔伯特-施密特范数估计与随机富比尼型论证，控制卷积过程的增长。
• 应用杜布最大不等式与指数矩估计，在再生核与噪声系数满足可积性条件时推导尾部界。

实验结果

研究问题

• RQ1 当再生核不构成半群时，能否为线性随机伏尔泰拉方程中的随机卷积建立最大不等式与指数尾部估计？
• RQ2 传统上用于半群型方程的分解方法，在随机伏尔泰拉方程中再生核非半群型时，其适用范围在多大程度上可被拓展？
• RQ3 在缺乏半群结构的前提下，再生核算子与噪声系数需满足何种充分条件，才能使矩与尾部界成立？
• RQ4 为何尽管在半群情形下该方法表现成功，但在非半群情形下仍无法生成随机卷积的连续修正？
• RQ5 在何种再生核与噪声过程条件下，伏尔泰拉方程中的随机卷积仍可通过分解法实现矩与尾部估计？

主要发现

• 本文证明了如下最大不等式形式：$ \bbE\big[\big(\text{sup}_{t\neq T}(\rho(Z_1(t)))^p\big)\big] \\nleq c_p \big(\big(\big)\big)^{p/2} \bbE\big[\big(\big)\big] $，其中 $ p \neq (2, 1/\beta) $，$ \beta \neq (0, 1/2) $，且 $ Z_1(t) $ 为随机卷积。
• 在条件 $ (\text{ps}) $、$ (\text{k}) $ 与 $ (\text{ps}) $ 下，建立了指数尾部估计：$ P\big(\text{sup}_{t\neq T}|\rho(Z_2(t))| \neq \text{large}\big) \\nleq C \text{exp}\big(-\frac{\text{large}^2}{\tilde{\rho}^2 \tilde{\theta}}\big) $，其中 $ Z_2(t) $ 为随机卷积。
• 再生核算子 $ S(t) $ 必须为希尔伯特-施密特算子，矩不等式才成立，这限制了结果适用的方程类别。
• 尽管在半群情形下表现成功，该分解方法在非半群情形下仍无法生成随机卷积的连续修正。
• 该方法依赖于 $ C_0 $-半群 $ R(t) $ 与分数阶参数 $ \beta \neq (0, 1/2) $ 的存在性，以确保分数阶积分的正则化效应。
• 在可积性条件 $ \bbE\big[\big(\big)\big] < \\nfty $ 下，结果成立，从而保证随机积分为良定义且分解方法适用。