[论文解读] On weak uniqueness and distributional properties of a solution to an SDE with $\alpha$-stable noise

Alexei Kulik|arXiv (Cornell University)|Oct 31, 2015

Stochastic processes and financial applications参考文献 41被引用 3

一句话总结

本文在平衡条件 α + γ > 1 下，建立了受旋转对称 α-稳定噪声驱动的随机微分方程（SDE）的弱唯一性，其中漂移系数具有 Hölder 连续指数 γ。通过采用带有平滑流近似的精炼参数法（parametrix method），作者证明了转移密度及其时间导数的存在性、连续性，并给出了显式的逐点估计，从而对解的分布性质提供了完整的短时间渐近描述。

ABSTRACT

For an SDE driven by a rotationally invariant $\alpha$-stable noise we prove weak uniqueness of the solution under the balance condition $\alpha+\gamma>1$, where $\gamma$ denotes the Holder index of the drift coefficient. We prove existence and continuity of the transition probability density of the corresponding Markov process and give a representation of this density with an explicitly given "principal part", and a "residual part" which possesses an upper bound. Similar representation is also provided for the derivative of the transition probability density w.r.t. the time variable.

研究动机与目标

• 在平衡条件 α + γ > 1 下，建立具有 α-稳定 Lévy 噪声和 Hölder 连续漂移的 SDE 的弱唯一性。
• 基于参数法，为解过程的转移概率密度构建严格的近似。
• 推导转移密度及其时间导数的显式逐点上界，包括短时间行为。
• 阐明平衡条件在尽管 α-稳定噪声不具备扩散性但仍能实现随机正则化中的作用。
• 将参数法扩展至处理超临界 α < 1 范围内具有 Hölder 连续漂移的情形，此时经典流方法失效。

提出的方法

• 为具有 Hölder 连续漂移的 α-稳定 SDE 开发了一种改进的参数法，用平滑近似替代确定性流，以保证正则性。
• 引入零阶近似，结合 α-稳定热核与平滑流，该近似在 γ-Hölder 漂移下仍保持良好定义。
• 通过卷积幂次构造近似基本解的级数展开，以构建真实的转移密度。
• 利用次卷积性质与加权估计（H(χ), H(0)）控制参数法构造中的余项。
• 通过逐项微分参数法级数并利用 Hölder 连续性与稳定密度衰减特性，估计每一项以获得时间导数的界。

实验结果

研究问题

• RQ1 在何种条件下，具有 α-稳定噪声和 Hölder 连续漂移的 SDE 具有弱唯一解？
• RQ2 平衡条件 α + γ > 1 如何与 α-稳定噪声对不规则漂移的随机正则化相关联？
• RQ3 此类 SDE 的转移概率密度能否以显式主部与余部表示，其衰减性质如何？
• RQ4 在超临界 α < 1 情形下，转移密度及其时间导数的短时间行为如何？
• RQ5 参数法如何被调整以处理 α-稳定 SDE 中的非 Lipschitz 漂移？

主要发现

• 在平衡条件 α + γ > 1 下，SDE 的解具有弱唯一性，该条件在除可能临界情形 α + γ = 1 外是最优的。
• 转移概率密度存在、连续，且可表示为主部（α-稳定核）与有界余部之和，余部满足估计：Ct−1/α′(t−1+χ/α H(χ)_t + (t−1+χ + t−1+δ)H(0)_t)。
• 转移密度的时间导数满足界 |∂tpt(x,y) − ∂tp0_t(x,y)| ≤ Ct−1/α′(tχ/α H(χ)_t + (t1+χ + t1+δ)H0_t)，表明其在时间上具有正则性。
• 该方法成功处理了 α < 1 的情形，此时经典基于流的参数法因漂移缺乏 Lipschitz 正则性而失效。
• 平滑流构造解决了漂移项中导数未定义的问题，从而实现了时间导数估计的推导。