[论文解读] Weak and strong solutions of general stochastic models

Thomas G. Kurtz|arXiv (Cornell University)|May 29, 2013

Stochastic processes and financial applications参考文献 7被引用 4

一句话总结

本文通过引入输入与输出之间的兼容性条件，将Yamada-Watanabe定理推广至抽象随机模型，证明了路径唯一性的弱解意味着在任意支持输入的概率空间上均存在强解。其核心贡献在于建立了一个统一框架，将一般随机设定下的弱解与强解联系起来，涵盖SDEs、SPDEs及倒向SDEs等情形。

ABSTRACT

Typically, a stochastic model relates stochastic "inputs" and, perhaps, controls to stochastic "outputs". A general version of the Yamada-Watanabe and Engelbert theorems relating existence and uniqueness of weak and strong solutions of stochastic equations is given in this context. A notion of {\em compatibility} between inputs and outputs is critical in relating the general result to its classical forebears. The relationship between the compatibility condition and the usual formulation of stochastic differential equations driven by semimartingales is discussed.

研究动机与目标

• 将经典的Yamada-Watanabe与Engelbert定理推广至伊藤扩散之外的一般随机模型。
• 在涉及随机输入与输出的抽象设定中，形式化弱解与强解之间的关系。
• 引入并分析输入过程与输出过程之间兼容性的概念，作为连接弱解与强解的关键条件。
• 证明路径唯一性与弱解存在性可推出在任意支持输入的概率空间上均存在强解。
• 在单一理论框架下统一处理各类随机模型，包括SDEs、SPDEs与倒向SDEs。

提出的方法

• 将随机模型形式化为输入 $Y$（属于 $S_2$）与输出 $X$（属于 $S_1$）之间的约束关系，其中 $S_1$ 与 $S_2$ 为完备且分离的度量空间。
• 将弱解定义为联合分布 $\mu_{X,Y} \in \mathcal{S}_{\Gamma,\nu}$，其输入分布为 $\nu$；强解则定义为几乎必然满足 $X = F(Y)$ 的解，其中 $F$ 为博雷尔可测函数。
• 通过滤子兼容性引入 $X$ 与 $Y$ 之间的兼容性条件，确保输出过程相对于输入滤子是适应的。
• 应用Meyer-Zheng条件，在 $D_{\mathbb{R}^d}[0,\infty)$ 中通过雅可布施拓扑与弱收敛技术证明逼近序列的相对紧性。
• 在系数满足适当增长条件时，利用Meyer-Zheng条件建立逼近序列的紧致性与收敛性。
• 将主定理应用于时间改变的SDEs与鞅问题，证明在兼容性条件下，Euler逼近的极限点满足原方程。

实验结果

研究问题

• RQ1 在何种条件下，一般随机模型中弱解的存在性可推出强解的存在性？
• RQ2 如何形式化输入与输出过程之间的兼容性概念，以推广Yamada-Watanabe框架？
• RQ3 路径唯一性在确保所有支持输入的概率空间上均存在强解的过程中起到何种作用？
• RQ4 如何利用逼近方案（如Euler型）构造弱解，并确保收敛至兼容解？
• RQ5 在经典SDEs之外的哪些广义随机模型类别中，弱解与强解的等价性仍然成立？

主要发现

• 路径唯一性的弱解意味着在任意支持输入的概率空间上均存在强解，从而推广了经典的Yamada-Watanabe定理。
• 输入 $X$ 与 $Y$ 之间的兼容性条件确保输出过程相对于输入滤子是适应的，从而支持强解的构造。
• 对于形如 $X(t) = X(0) + \sum_k W_k(\int_0^t \beta_k(X(s))ds)\zeta_k + \int_0^t F(X(s))ds$ 的时间改变SDE，若系数连续，则Euler逼近的任意极限点均为兼容解。
• 在适当的生长条件（如有界性）下，Euler逼近序列 $\{X_n\}$ 在 $D_{\mathbb{R}^d}[0,\infty)$ 中是相对紧的，从而保证分布收敛。
• 当强解存在时，解的联合分布由输入分布 $\nu$ 决定，表明强解是一种分布性质。
• 鞅问题的表述可作为特例恢复：若 $X$ 与 $Y$ 兼容，则 $X$ 满足生成元为 $Af(x) = \frac{1}{2}\sum_{i,j} a_{ij}(x)\partial_i\partial_j f(x) + F(x)\cdot \nabla f(x)$ 的鞅问题，其中 $a(x) = \sum_k \beta_k(x)\zeta_k\zeta_k^T$。