[论文解读] Reflected BSDE driven by G-Brownian motion with an upper obstacle

Hanwu Li, Shigē Péng|arXiv (Cornell University)|Sep 28, 2017

Stochastic processes and financial applications参考文献 10被引用 7

一句话总结

本文通过惩罚逼近方法和变体比较定理，建立了受 G-布朗运动驱动的带上限障碍的反射倒向随机微分方程（RBSDEs）解的存在性与唯一性。解被证明是在给定约束下可能的最大解，将经典 RBSDE 理论扩展至次线性 G-期望框架。

ABSTRACT

In this paper, we study the reflected backward stochastic differential equation driven by G-Brownian motion (reflected G-BSDE for short) with an upper obstacle. The existence is proved by approximation via penalization. By using a variant comparison theorem, we show that the solution we constructed is the largest one.

研究动机与目标

• 将反射 BSDE 理论扩展至具有上限障碍的 G-布朗运动框架。
• 在次线性期望框架下建立带上限障碍的反射 G-BSDE 解的存在性。
• 利用变体比较定理证明所构造的解是在所有可能解中最大的。
• 将经典 RBSDE 结果推广至完全非线性的 G 框架，尤其适用于不确定性波动率模型。
• 解决 G-期望框架下非支配概率测度与弱紧性缺失带来的挑战。

提出的方法

• 使用惩罚逼近方法，通过不断增加惩罚项构造一系列带上限障碍的 G-BSDE。
• 通过项 $ n\backslashint_{t}^{T}(Y_{s}^{n}-S_{s})^{+}ds $ 定义惩罚方程，以强制执行上限障碍约束。
• 在 G-期望下应用比较定理的变体，比较惩罚方程的解。
• 对 $ \bar{Y}_{t}^{\alpha/2}e^{rt} $ 应用 Itô 公式，推导先验估计并证明唯一性。
• 依赖 $ S_G^\alpha(0,T) $ 中元素的统一连续性，以克服 $ M_G^\beta(0,T) $ 中弱紧性的缺失。
• 对递增过程 $ A $ 强制分解条件 $ A = A^1 - A^2 $，其中 $ -A^1 $ 为递减 G-鞅，$ A^2 $ 为递增过程，以确保路径唯一性。

实验结果

研究问题

• RQ1 带上限障碍的反射 G-BSDE 在 G 框架下是否存在解？
• RQ2 该解是否可被表征为在障碍约束下可能的最大解？
• RQ3 惩罚法如何适应于次线性 G-期望框架，其中标准工具如 Fatou 引理无法直接应用？
• RQ4 在非支配概率测度存在的情况下，何种条件可确保解的唯一性？
• RQ5 比较定理能否扩展至处理具有上限障碍和非确定性二次变差的 G-BSDE？

主要发现

• 带上限障碍的反射 G-BSDE 解存在，并通过惩罚逼近方案构造得出。
• 解是在所有可能解中最大的，这是通过 G-期望下的变体比较定理证明的。
• 在递增过程 $ A $ 的附加分解条件 $ A = A^1 - A^2 $ 下建立了唯一性，其中 $ -A^1 $ 为递减 G-鞅，$ A^2 $ 为递增过程。
• 尽管缺乏弱紧性，仍证明了惩罚序列 $ (Y^n, Z^n, L^n - K^n) $ 在适当的 G-巴拿赫空间中收敛至解。
• 通过在 $ \bar{Y}_{t}^{\alpha/2}e^{rt} $ 上应用 Itô 公式推导出先验估计，得到 $ \hat{\mathbb{E}}[\int_0^T (Z_s - \tilde{Z}_s)^2 d\langle B\rangle_s] = 0 $，这意味着 $ Z \equiv \tilde{Z} $。
• 解满足 Skorohod 类型条件 $ \int_0^T (S_s - Y_s) dA_s^2 = 0 $，确保递增过程的最小干预。