[论文解读] Stochastic calculus of variations for general Lévy processes and its applications to jump-type SDE's with non-degenerated drift

Alexei Kulik|ArXiv.org|Jun 18, 2006

Stochastic processes and financial applications参考文献 14被引用 17

一句话总结

本文通过轨迹的时间拉伸变换，为一般 Lévy 过程发展了一套随机变分法，实现了对具有非退化漂移的跳变型 SDE 转移密度的绝对连续性与光滑性的分析。结果表明，在较弱的 Lévy 测度条件下（如宽锥条件），解的分布是绝对连续的，其密度为 $ C^rown $，即使噪声在空间或频率上不具备正则性。

ABSTRACT

We consider an SDE in R^m of the type dX(t)=a(X(t))dt+dU(t) with a Lévy process U and study the problem for the distribution of a solution to be regular in various senses. We do not impose any specific conditions on the Lévy measure of the noise, and this is the main difference between our method and the known methods by J.Bismut or J.Picard. The main tool in our approach is the stochastic calculus of variations for a Lévy process, based on the time-stretching transformations of the trajectories. Three problems are solved in this framework. First, we prove that if the drift coefficient a is non-degenerated in an appropriate sense, then the law of the solution to the Cauchy problem for the initial equation is absolutely continuous, as soon as the Lévy measure of the noise satisfies one of the rather weak intensity conditions, for instance the so-called wide cone condition. Secondly, we provide the sufficient conditions for the density of the distribution of the solution to the Cauchy problem to be smooth in the terms of the family of the so-called order indices of the Lévy measure of the noise (the drift again is supposed to be non-degenerated). At last, we show that an invariant distribution to the initial equation, if exists, possesses a C^\infty-density provided the drift is non-degenerated and the Lévy measure of the noise satisfies the wide cone condition.

研究动机与目标

• 建立解的分布相对于勒贝格测度绝对连续的条件，针对具有非退化漂移的跳变型 SDE。
• 推导解的转移密度为光滑（$ C^rown $）的充分条件，基于 Lévy 测度的阶指标。
• 证明若不变分布存在，则其具有 $ C^rown $-密度，前提是漂移非退化且 Lévy 测度满足宽锥条件。
• 提出一种基于时间拉伸变换的新型概率框架，避免了对 Lévy 测度正则性的要求，与以往基于 Malliavin 或 Picard 方法的途径不同。
• 解决关于 Lévy 过程与跳变 SDE 的密度光滑性问题，其中噪声缺乏空间或频率正则性。

提出的方法

• 通过样本路径的时间拉伸变换，为一般 Lévy 过程引入随机变分法，实现基于扰动的分布性质分析。
• 在时间区间上构造微分网格，以局部化分析并利用离散逼近控制 Malliavin 矩阵的行为。
• 在 Lévy 路径的维纳空间上应用分部积分公式，该公式源自时间拉伸框架，用于推导 Malliavin 矩阵的矩估计。
• 采用 Lévy 测度的一组阶指标来刻画跳跃强度的衰减速率，并将其与密度的光滑性联系起来。
• 通过一系列时间拉伸扰动，建立 Malliavin 衍生行列式的下界，利用对漂移导数和时间拉伸算子伴随算子逆的估计。
• 使用 Hölder 不等式与指数矩界控制分部积分公式中期望的增长，确保所涉及级数的收敛性。

实验结果

研究问题

• RQ1 在何种 Lévy 测度条件下，SDE $ dX(t) = a(X(t))dt + dU_t $ 解的分布相对于勒贝格测度是绝对连续的，即使噪声在空间或频率上不具备正则性？
• RQ2 在何种 Lévy 测度条件下，可保证解的转移密度为光滑（$ C^rown $），已知漂移系数非退化？
• RQ3 若 SDE 的不变分布存在，能否在 Lévy 测度满足弱条件（如宽锥条件）下，证明其具有 $ C^rown $-密度？
• RQ4 如何为一般 Lévy 过程构建随机变分法，而无需假设 Lévy 测度具有密度或表现出规则渐近行为？
• RQ5 在多大程度上，可仅基于漂移的非退化性与 Lévy 测度的结构，独立于初始分布，推断不变密度的光滑性？

主要发现

• 若漂移系数 $ a $ 非退化且 Lévy 测度满足宽锥条件，则柯西问题解的分布相对于勒贝格测度是绝对连续的。
• 若 Lévy 测度的阶指标满足特定增长条件且漂移在适当意义下非退化，则解的转移密度 $ p_{x,t} $ 是光滑的（$ C^rown $）。
• 若不变分布 $ P^* $ 存在，则其具有 $ C^rown $-密度，前提是漂移非退化且 Lévy 测度满足宽锥条件。
• 该方法避免了对 Lévy 测度光滑性或频率正则性的假设，与以往基于 Malliavin 微积分或 Picard 方法的途径不同。
• 证明通过时间拉伸扰动建立了 Malliavin 衍生行列式的统一下界，由此导出的可积性估计确保了光滑密度的存在性。
• 分部积分公式中导数项具有有限矩界，确保了收敛性，并支持了密度光滑性的推导。