[论文解读] Multidimensional quadratic BSDEs with separated generators

Asgar Jamneshan, Michael Kupper+1 more|arXiv (Cornell University)|Dec 28, 2014

Differential Equations and Numerical Methods被引用 6

一句话总结

本文建立了带分离生成器的多维二次倒向随机微分方程（BSDEs）解的存在性与唯一性，其中生成器被分解为仅依赖于控制过程的分量与依赖于完整状态的另一分量。通过利用李雅普诺夫函数 $ u(\gamma,x) = \frac{1}{(2\gamma)^2}(e^{2\gamma x} - 1 - 2\gamma x) $ 和 BMO鞅技巧，作者推导出充分条件——这些条件依赖于二次增长系数和终端条件的大小——以确保存在唯一的 BMO 解，从而将先前结果推广至无界和有界终端条件的情形。

ABSTRACT

We consider multidimensional quadratic BSDEs with bounded and unbounded terminal conditions. We provide sufficient conditions which guarantee existence and uniqueness of solutions. In particular, these conditions are satisfied if the terminal condition or the dependence in the system are small enough.

研究动机与目标

• 为解决多维二次 BSDEs 缺乏一般存在性理论的问题，特别是当生成器在控制变量上呈二次增长时。
• 将可解性结果扩展至无界终端条件的情形，这类情形比有界情形更具挑战性。
• 为在分离生成器结构下提供存在性和唯一性 BMO 解的充分条件。
• 通过结合有界和无界终端条件，推广 Tevzadze、Kramkov 与 Pulido 以及 Hu 与 Tang 的先前结果。

提出的方法

• 作者通过映射 $ I $ 将系统建模为不动点问题，其中耦合系统解是解耦的一维 BSDEs 的不动点。
• 他们使用李雅普诺夫函数 $ u(\gamma,x) = \frac{1}{(2\gamma)^2}(e^{2\gamma x} - 1 - 2\gamma x) $ 来控制解的增长并推导先验估计。
• 该方法依赖于 BMO 鞭策理论和约翰-尼伦伯格不等式，以控制指数矩并确保可积性。
• 将生成器分解为 $ g^i(s,z) = f^i(s,z^i) + h^i(s,z) $，从而分别处理对角线项与交叉依赖项。
• 利用伊藤公式和函数 $ u $ 的性质，推导出 $ \|Z \cdot W\|_{BMO} $ 的先验界，从而得出唯一性的充分条件。
• 通过调整 $ \theta_i $、$ \vartheta_i $ 和 $ \xi^i $ 的大小约束，该框架能够同时处理有界和无界终端条件。

实验结果

研究问题

• RQ1 在何种条件下，具有分离生成器的多维二次 BSDE 会存在唯一的 BMO 解？
• RQ2 当终端条件无界时，如何保证可解性？
• RQ3 李雅普诺夫函数 $ u(\gamma,x) $ 在存在二次增长的情况下，如何控制解的增长？
• RQ4 结果能否推广至生成器依赖于整个控制过程而非仅单个分量的系统？
• RQ5 二次增长系数 $ \theta_i $、$ \vartheta_i $ 与终端条件大小 $ \xi^i $ 之间的精确相互作用条件是什么，以保证可解性？

主要发现

• 若二次增长系数 $ \theta_i $、$ \vartheta_i $ 和终端条件 $ \xi^i $ 满足条件 (4)–(5)，则存在唯一的 BMO 解，这些条件在定理 2.3 中明确推导得出。
• 当 $ \theta_i = 0 $ 时，条件简化为要求终端条件 $ \xi^i $ 足够小，从而恢复 Tevzadze 的结果。
• 对于任意 $ \theta_i $ 和 $ \xi^i $，若 $ \vartheta_i $ 足够小，则条件始终满足，从而确保全局可解性。
• 对于无界终端条件，定理 2.6 提供了使用相同李雅普诺夫函数和 BMO 估计的类似充分条件。
• 估计式 $ \|Z \cdot W\|_{BMO} \leq \left(\frac{1}{1-16\gamma\|v\cdot W\|_{BMO}} + \frac{1}{1-4\gamma\|z\cdot W\|^{2}_{BMO}}\right)\|v\cdot W\|^{2}_{BMO} $ 确保在推导条件下 BMO 范数为有限值。
• 该方法导出 $ |Y_t| $ 的先验界，例如 $ |Y_t| \leq \frac{1}{2\gamma}\log\left(\frac{E[e^{2\gamma|\xi|}|\mathcal{F}_t]}{1-2\gamma\|z\cdot W\|^{2}_{BMO}}\right) $，这些界在证明存在性与唯一性中至关重要。