[论文解读] Partial differential equations driven by rough paths

Michael Caruana, Peter K. Friz|ArXiv.org|Mar 14, 2008

Stochastic processes and financial applications参考文献 11被引用 7

一句话总结

本文建立了由弱几何 $p$-粗糙路径驱动的线性一阶与二阶偏微分方程（PDE）解的存在性、唯一性及对驱动路径的连续依赖性。通过结合粗糙路径理论与经典PDE方法，该研究构建了一个稳健的确定性框架，用于处理随机PDE，能够处理诸如赫斯指数 $H > \frac{1}{4}$ 的分数布朗运动等不规则信号，并在非退化条件下证明了解的勒贝格密度存在性。

ABSTRACT

We study a class of linear first and second order partial differential equations driven by weak geometric $p$-rough paths, and prove the existence of a unique solution for these equations. This solution depends continuously on the driving rough path. This allows a robust approach to stochastic partial differential equations. In particular, we may replace Brownian motion by more general Gaussian and Markovian noise. Support theorems and large deviation statements all became easy corollaries of the corresponding statements of the driving process. In the case of first order equations with Gaussian noise, we discuss the existence of a density with respect to the Lebesgue measure for the solution.

研究动机与目标

• 开发一种适用于超出半鞅类的不规则信号驱动的线性PDE的确定性、稳健框架。
• 将粗糙路径理论扩展至偏微分方程，特别是具有粗糙路径驱动系数的抛物型方程。
• 建立解的存在性、唯一性以及对驱动粗糙路径的连续依赖性。
• 推广针对由高斯信号与马氏信号驱动的SPDE的支持定理与大偏差原理。
• 在非退化高斯噪声条件下，证明一阶RPDE解的勒贝格密度存在性。

提出的方法

• 形式化一类由弱几何 $p$-粗糙路径驱动的线性PDE，其系数依赖于粗糙路径的增量结构。
• 应用粗糙路径理论构造与粗糙微分方程（RDE）相关的流，通过时间有序积分将这些流与PDE解联系起来。
• 利用解映射对驱动粗糙路径的连续性，将驱动路径的性质（如支撑与大偏差）传递至解。
• 利用高斯过程（如分数布朗运动）的自然提升构造驱动粗糙路径，确保其具有有限 $\rho$-变差与霍尔德控制。
• 应用马利温微积分技术，并在卡梅伦-马丁空间上施加非退化条件，以证明解的密度存在性。
• 利用反向时间粗糙路径 $\overleftarrow{\mathbf{X}}^t$ 保持非退化性，从而通过流映射实现密度结果的证明。

实验结果

研究问题

• RQ1 当驱动信号具有粗糙样本路径（如赫斯指数 $H > \frac{1}{4}$ 的分数布朗运动）时，线性PDE是否能以鲁棒方式求解？
• RQ2 粗糙PDE的解映射是否对驱动粗糙路径连续依赖，从而实现SPDE的确定性处理？
• RQ3 在何种条件下，由高斯噪声驱动的一阶粗糙PDE解会具有勒贝格密度？
• RQ4 驱动粗糙路径的支持定理与大偏差原理如何传递至PDE解？
• RQ5 何种条件可确保PDE中的向量场在解点处张成切空间，从而实现密度结果？

主要发现

• 由弱几何 $p$-粗糙路径驱动的线性一阶与二阶PDE的解存在、唯一，且对驱动路径具有连续依赖性。
• 该框架可稳健处理由布朗运动、马氏过程以及赫斯指数 $H > \frac{1}{4}$ 的分数布朗运动驱动的SPDE。
• 解过程的支持定理与大偏差原理可直接由驱动粗糙路径的相应性质推出。
• 对于具有非退化高斯噪声的一阶RPDE，解在所有时间 $t \in (0,T]$ 上均具有勒贝格密度。
• 反向时间粗糙路径 $\overleftarrow{\mathbf{X}}^t$ 继承了原路径的非退化性，从而可通过流映射实现密度证明。
• 卡梅伦-马丁空间的非退化性确保解流具有光滑密度，该性质通过初值 $\phi$ 传递至RPDE的解。