Équations différentielles stochastiques

Une équation différentielle stochastique décrit l'évolution d'un système soumis à une dérive déterministe et à une fluctuation aléatoire induite par le mouvement brownien, définissant ainsi un processus de diffusion.

Definition

Une équation différentielle stochastique spécifie la différentielle d'un processus comme un coefficient de dérive multiplié par un incrément de temps, plus un coefficient de diffusion multiplié par un incrément brownien. Sa solution est un processus de diffusion dont la loi est régie par l'opérateur différentiel du second ordre associé.

Scope

Ce sujet aborde l'interprétation des équations différentielles stochastiques comme des équations intégrales d'Itô, l'existence et l'unicité des solutions fortes sous des conditions de Lipschitz et de croissance, la distinction entre solutions fortes et faibles, le générateur de la diffusion et son lien avec les équations de Fokker-Planck et de Kolmogorov rétrograde, les théorèmes de Feynman-Kac et de Girsanov, ainsi que les schémas numériques tels que les méthodes d'Euler-Maruyama et de Milstein.

Core questions

• Comment une équation différentielle stochastique est-elle interprétée comme une équation intégrale d'Itô ?
• Quelles conditions garantissent l'existence et l'unicité d'une solution ?
• Comment le générateur de la diffusion est-il lié aux équations aux dérivées partielles ?
• Comment les solutions sont-elles approximées numériquement et avec quelle précision ?

Key theories

Existence et unicité des solutions fortes

Sous des conditions de continuité de Lipschitz et de croissance linéaire des coefficients de dérive et de diffusion, l'équation différentielle stochastique admet une solution forte unique qui est une diffusion de Markov continue, établie par une itération de type Picard utilisant l'isométrie d'Itô.

Feynman-Kac et le générateur

Le générateur infinitésimal de la diffusion est un opérateur elliptique du second ordre, sa densité de transition résout l'équation de Fokker-Planck, et la formule de Feynman-Kac représente les solutions des équations aux dérivées partielles paraboliques comme des espérances de fonctionnelles de la diffusion.

Clinical relevance

Les équations différentielles stochastiques modélisent les prix des actifs, les taux d'intérêt et la volatilité en finance, la dynamique bruitée des systèmes physiques, chimiques et biologiques, ainsi que les modèles de population et d'épidémies avec une aléatoire environnementale. Leur résolution numérique par les schémas d'Euler-Maruyama et les méthodes connexes permet la tarification et la simulation Monte Carlo.

History

Itô a introduit les équations différentielles stochastiques dans les années 1940 pour construire des processus de diffusion dont les générateurs sont des opérateurs elliptiques prescrits. Stroock et Varadhan ont reformulé le sujet à travers le problème des martingales dans les années 1960 et 1970, et l'analyse numérique de ces équations a été systématisée par Kloeden et Platen dans les années 1990.

Key figures

• Kiyosi Ito
• Bernt Oksendal
• Daniel Stroock
• Srinivasa Varadhan

Seminal works

• oksendal2003

Frequently asked questions

Que décrit une équation différentielle stochastique ?

Elle décrit un processus qui évolue sous l'effet d'une dérive prévisible et de chocs aléatoires issus du mouvement brownien, produisant une diffusion dont la distribution de probabilité évolue selon une équation aux dérivées partielles associée.

Quelle est la différence entre une solution forte et une solution faible ?

Une solution forte est construite sur un mouvement brownien et une filtration donnés, tandis qu'une solution faible exige seulement l'existence d'un certain mouvement brownien et d'un processus avec la loi prescrite ; des solutions faibles peuvent exister lorsque des solutions fortes n'existent pas.