[论文解读] Taylor expansions and Castell estimates for solutions of stochastic differential equations driven by rough paths

Qi Feng, Xuejing Zhang|arXiv (Cornell University)|Sep 20, 2012

Stochastic processes and financial applications参考文献 15被引用 3

一句话总结

该论文为由粗糙路径驱动的随机微分方程（SDEs）建立了泰勒展开式和卡斯特尔型尾部估计，包括赫斯参数 $ H > 1/4 $ 的分数布朗运动，以及具有有限二维 $ \rho $-变差的连续中心高斯过程。在向量场解析性的条件下证明了泰勒级数的收敛性，并利用路径无关的粗糙路径技术与迭代积分界估计，推导出余项的指数衰减估计。

ABSTRACT

We study the Taylor expansion for the solutions of differential equations driven by $p$-rough paths with $p>2$. We prove a general theorem concerning the convergence of the Taylor expansion on a nonempty interval provided that the vector fields are analytic on a ball centered at the initial point. We also derive criteria that enable us to study the rate of convergence of the Taylor expansion. Finally and this is also the main and the most original part of this paper, we prove Castell expansions and tail estimates with exponential decays for the remainder terms of the solutions of the stochastic differential equations driven by continuous centered Gaussian process with finite $2D~ρ-$variation and fractional Brownian motion with Hurst parameter $H>1/4$.

研究动机与目标

• 将关于布朗运动和分数布朗运动的随机泰勒展开收敛结果推广至 $ p $-粗糙路径驱动的SDE，其中 $ p > 2 $。
• 基于迭代积分估计与向量场正则性，建立泰勒展开收敛半径的定量准则。
• 为具有有限二维 $ \rho $-变差的连续中心高斯过程及 $ H > 1/4 $ 的分数布朗运动驱动的SDE，推导卡斯特尔型展开式与余项的指数尾部估计。
• 通过粗糙路径理论构建一种路径无关的确定性框架，用于余项估计，避免在主要推导中依赖概率界。
• 通过证明 $ H > 1/2 $ 时余项的指数尾部衰减，验证并扩展先前工作（特别是文献[7]）中的结论，现将该结论推广至 $ H > 1/4 $。

提出的方法

• 利用粗糙路径框架，为 $ p > 2 $ 的 $ p $-粗糙路径定义迭代积分 $ \int_{\triangle^k[0,t]} dx^I $，从而构造粗糙微分方程解的泰勒级数。
• 在向量场于初始点邻域内解析的假设下，应用泰勒展开的一般收敛定理，确保在非空区间内局部收敛。
• 利用 [5, 定理 7.16] 和 [23] 中关于迭代积分的 $ p $-变差范数的估计，推导出收敛半径与收敛速率的定量界。
• 通过引入分数布朗运动与有限二维 $ \rho $-变差高斯过程的逼近序列，改进阿岑科特–卡斯特尔方法。
• 使用 $ \omega(\alpha, c, \zeta) $ 过程族控制泰勒展开系数与余项中的增长，结合归纳估计与有界性论证。
• 应用路径无关估计与递推关系，证明余项 $ r_{N+1} $ 及相关过程 $ M_{N+1} $ 属于 $ \omega(\alpha, c, \zeta) $ 类，从而实现具有指数衰减的尾部概率界。

实验结果

研究问题

• RQ1 在何种条件下，粗糙微分方程解的泰勒展开式在非空时间区间内收敛？
• RQ2 如何基于迭代积分界与向量场正则性，定量刻画泰勒展开式的收敛速率？
• RQ3 能否为 $ H > 1/4 $ 的粗糙路径驱动SDE（包括分数布朗运动与一般高斯过程）建立卡斯特尔型展开式与指数尾部估计？
• RQ4 向量场的解析性在确保泰勒级数余项的收敛性与衰减性质中起何作用？
• RQ5 路径无关估计与 $ \omega(\alpha, c, \zeta) $ 类界如何共同作用，以证明粗糙路径驱动SDE余项的指数尾部衰减？

主要发现

• 当向量场在初始点邻域内解析时，由 $ p > 2 $ 的 $ p $-粗糙路径驱动的粗糙微分方程解的泰勒展开式在非空时间区间内收敛。
• 通过迭代积分的界，定量刻画了泰勒级数的收敛半径，从而可显式估计收敛区间。
• 对于 $ H > 1/4 $ 的分数布朗运动驱动的SDE，本文证明了卡斯特尔展开式，并得到余项的指数尾部衰减，将先前结果推广至完整范围 $ H > 1/4 $。
• 余项满足 $ \mathbb{P}(\sup_{t \in [0,\tau]} \|P_{N+1}(\varepsilon,t)\| \geq \xi) \leq c e^{-\alpha \xi} $，其中 $ \alpha, c > 0 $，表明存在指数尾部衰减。
• 该方法验证并扩展了文献[7]中关于 $ H > 1/2 $ 时余项指数尾部衰减的结论，现将该结论推广至 $ H > 1/4 $，并采用确定性粗糙路径方法。
• 通过使用 $ \omega(\alpha, c, \zeta) $ 过程族，实现了对系数增长的归纳控制，确保余项及相关过程保持有界，并具有指数尾部行为。