[论文解读] Note on Viscosity Solution of Path-Dependent PDE and G-Martingales

Shigē Péng|arXiv (Cornell University)|Jun 6, 2011

Stochastic processes and financial applications参考文献 20被引用 49

一句话总结

本文提出了一种针对完全非线性路径相关PDE（PPDEs）的粘性解框架，通过一种新颖的“左冻结最大化”方法，避免修改Dupire的水平导数定义，建立了比较原理。主要贡献是提出了一种稳健的最大值原理，从而实现解的唯一性与稳定性结果，直接应用于G-鞅和G-布朗运动下的非线性期望。

ABSTRACT

In the 2nd version of this note we introduce the notion of viscosity solution for a type of fully nonlinear parabolic path-dependent partial differential equations (P-PDE). We then prove the comparison theorem (or maximum principle) of this new type of equation which is the key property of this framework. To overcome the well-known difficulty of non-compactness of the space of paths for the maximization, we have introduced a new approach, called left frozen maximization approach which permits us to obtain the comparison principle for smooth as well as viscosity solutions of path-dependent PDE. A solution of a backward stochastic differential equation and a G-martingale under a G-expectation are typical examples of such type of solutions of P-PDE. The maximum principle for viscosity solutions of classical PDE, called state dependent PDE, is a special case.

研究动机与目标

• 为完全非线性抛物型路径相关PDE（PPDEs）建立粘性解理论，将经典PDE方法扩展至非马氏、泛函伊藤型方程。
• 解决在非紧路径空间上对次解与超解之差进行最大化这一挑战，这是推导比较原理的关键障碍。
• 发展一种基于PDE的方法，对解进行逐路径（path by path）的局部处理，与BSDE或G-期望等全局随机微积分方法形成对比。
• 针对采用新左冻结方法的1阶与2阶完全非线性PPDE的光滑解与粘性解，证明比较定理（最大值原理）。
• 为具有随机系数的G-期望提供PDE形式化表达，支持在随机控制、风险度量和非线性定价中的应用。

提出的方法

• 提出一种“左冻结最大化”技术，用于在不改变Dupire原始水平导数定义的前提下，定位次解与超解之差的极大值点。
• 将该方法应用于完全非线性PPDE的C^{1,2}解，通过引入参数α的扰动测试函数方法推导比较原理。
• 基于标准的次解与超解判定准则，定义完全非线性PPDE的粘性解，适用于路径相关泛函。
• 采用Dupire（2009）提出的函数型伊藤微积分框架，包括垂直导数与水平导数，以在路径空间上定义PDE结构。
• 对具有G-结构的PPDE应用修改后的最大值原理，其中生成元G满足连续模条件（条件16）。
• 基于紧化路径空间中极大值点存在的矛盾论证，利用左冻结构造确保正则性与收敛性。

实验结果

研究问题

• RQ1 能否为完全非线性路径相关PDE发展一种粘性解理论，避免使用BSDE或G-期望的全局随机微积分框架？
• RQ2 当路径空间非紧且最大化未必存在时，如何为PPDE建立比较原理？
• RQ3 左冻结最大化方法能否在保持原始水平导数定义的同时，仍能实现最大值原理？
• RQ4 生成元G需满足何种条件，才能使2阶PPDE的粘性解比较原理成立？
• RQ5 新PDE形式化与具有随机系数的G-期望之间有何关系？其在随机控制与风险度量中具有何种含义？

主要发现

• 左冻结最大化方法成功地在不修改Dupire水平导数定义的前提下，为完全非线性PPDE的光滑解与粘性解建立了比较原理。
• 证明了1阶与2阶完全非线性PPDE的比较定理，确保在适当条件下粘性解的唯一性。
• 该方法可推导出单调性、正齐次性与凸性等关键性质，源自最大值原理。
• 粘性解框架提供了对解的局部、逐路径的处理方式，与BSDE和G-期望方法的全局性质形成鲜明对比。
• 该理论支持了具有随机系数的G-期望的新PDE形式化，扩展了非线性期望理论的适用范围。
• 粘性解的比较原理要求解满足条件（16），该条件构成一项局限，被识别为未来改进的重点方向。