[论文解读] Reflected Solutions of BSDEs Driven by G-Brownian Motion

Hanwu Li, Shigē Péng|arXiv (Cornell University)|May 31, 2017

Stochastic processes and financial applications参考文献 14被引用 3

一句话总结

本文提出了一类由 G-布朗运动驱动的反射倒向随机微分方程（RBSDEs）的新公式，通过用鞅条件替代经典的 Skorohod 条件来确保唯一性。在 G-框架下采用惩罚逼近方法，作者证明了解的存在性与唯一性，建立了一个稳健的框架，用于建模非线性期望和完全非线性 PDE 中的模型不确定性。

ABSTRACT

In this paper, we study the reflected solutions of one-dimensional backward stochastic differential equations driven by G-Brownian motion (RGBSDE for short). The reflection keeps the solution above a given stochastic process. In order to derive the uniqueness of reflected GBSDEs, we apply a "martingale condition" instead of the Skorohod condition. Similar to the classical case, we prove the existence by approximation via penalization.

研究动机与目标

• 通过使用鞅条件重新表述问题，解决在经典 Skorohod 条件下反射 G-BSDE 解缺乏唯一性的问题。
• 在 G-框架下建立反射解的存在性与唯一性，将经典 BSDE 理论扩展至处理模型不确定性。
• 开发一种基于惩罚法的构造性方法，即使在 G-期望下标准收敛定理失效的情况下，也能逼近反射 G-BSDE 的解。
• 确保解在非支配概率测度类上普遍定义，与 G-期望的鲁棒性保持一致。
• 为带有障碍的完全非线性 PDE 提供概率表示，将经典结果扩展至非线性和不确定性波动率情形。

提出的方法

• 使用鞅条件重新表述反射 G-BSDE：要求过程 $\{-\int_0^t (Y_s - S_s) dA_s\}_{t \in [0,T]}$ 为非增 G-鞅。
• 将解定义为空间 $\mathcal{S}_G^\alpha(0,T)$ 中的三元组 $(Y, Z, A)$，其中 $Y_t \geq S_t$ 且 $A$ 连续非减。
• 通过一列惩罚 G-BSDE 构造解，其中惩罚项促使解趋近于障碍 $S_t$。
• 利用 $S_G^p(0,T)$ 中过程的统一连续性，建立惩罚解的收敛性，克服 $M_G^p(0,T)$ 中弱紧性缺失的问题。
• 利用扩展的条件 G-期望和 $*$-停时的可选停时定理分析解的动力学行为。
• 应用非支配概率框架，确保解对所有 $P \in \mathcal{P}$ 几乎必然成立，保持鲁棒性。

实验结果

研究问题

• RQ1 当经典 Skorohod 条件无法保证唯一性时，能否为反射 G-BSDE 建立唯一解？
• RQ2 鉴于缺乏控制收敛定理和弱紧性，惩罚法如何适应 G-框架？
• RQ3 在 G-布朗运动背景下，何种替代条件可替代 Skorohod 条件以保证唯一性？
• RQ4 鞅条件如何确保增加过程 $A_t$ 在反射解中实现最小干预？
• RQ5 反射 G-BSDE 的解在模型不确定性下的鲁棒最优停时问题中，能在多大程度上被解释为值函数？

主要发现

• 反射 G-BSDE 的解通过鞅条件唯一刻画：$\{-\int_0^t (Y_s - S_s) dA_s\}$ 为非增 G-鞅。
• 解的存在性通过惩罚 G-BSDE 的逼近方法证明，收敛性基于 $S_G^p(0,T)$ 中的统一连续性建立。
• 解满足动态规划原理：$Y_0 = \hat{\mathbb{E}}[\int_0^D f(s,Y_s,Z_s)ds + S_D I_{\{D<T\}} + \xi I_{\{D=T\}}]$，其中 $D = \inf\{t: Y_t = S_t\} \wedge T$。
• 过程 $A_t$ 连续且非减，且对所有 $P \in \mathcal{P}$ 几乎必然有 $\int_0^T (Y_t - S_t) dA_t = 0$，确保最小反射。
• 该框架允许对带有障碍的完全非线性 PDE 进行鲁棒的概率解释，将经典结果扩展至模型不确定性情形。
• 解在非支配测度类上普遍定义，确保在 Knightian 不确定性下的一致性。