Équations différentielles stochastiques

Une équation différentielle stochastique décrit l'évolution d'un système régi à la fois par une tendance déterministe et un bruit brownien. Ses solutions, les processus de diffusion, modélisent des dynamiques aléatoires continues dans divers domaines scientifiques et financiers.

Definition

Une équation différentielle stochastique est une équation pour un processus dont la variation infinitésimale est un terme de dérive multiplié par l'incrément de temps, plus un terme de diffusion multiplié par un incrément brownien, interprétée via l'intégrale d'Itô, et dont les solutions sont des processus de diffusion.

Scope

Ce sujet aborde la formulation des équations différentielles stochastiques avec des coefficients de dérive et de diffusion régis par le mouvement brownien, la distinction entre solutions fortes et faibles ainsi qu'entre unicité trajectorielle et en loi, l'existence et l'unicité sous les conditions de Lipschitz et de croissance linéaire, la propriété de Markov et de diffusion des solutions avec leurs générateurs, des exemples standards tels que le mouvement brownien géométrique et le processus d'Ornstein-Uhlenbeck, et des schémas numériques comme la méthode d'Euler-Maruyama.

Core questions

• Comment une équation différentielle régie par le bruit brownien reçoit-elle une signification rigoureuse ?
• Quelle est la différence entre les solutions fortes et faibles et les notions d'unicité correspondantes ?
• Sous quelles conditions une solution unique existe-t-elle ?
• Comment les diffusions résultantes sont-elles décrites par leurs générateurs et simulées numériquement ?

Key concepts

• coefficients de dérive et de diffusion
• solutions fortes et faibles
• unicité trajectorielle
• générateur de diffusion
• schéma d'Euler-Maruyama

Key theories

Existence et unicité des solutions

Lorsque les coefficients de dérive et de diffusion sont continus au sens de Lipschitz et croissent au plus linéairement, l'équation différentielle stochastique admet une solution forte unique, obtenue par une itération de Picard qui est similaire à la théorie déterministe mais utilise l'intégrale d'Itô et l'isométrie.

Diffusions et leurs générateurs

Les solutions des équations différentielles stochastiques sont des processus de diffusion markoviens dont le générateur infinitésimal est un opérateur différentiel du second ordre construit à partir des coefficients de dérive et de diffusion, reliant ainsi la dynamique probabiliste aux équations aux dérivées partielles paraboliques et elliptiques.

Clinical relevance

Les équations différentielles stochastiques modélisent les prix des actifs et les taux d'intérêt en finance quantitative, la vitesse des particules soumises au frottement et au bruit en physique, les tailles de population et les concentrations chimiques sous fluctuation aléatoire en biologie et en chimie, ainsi que les systèmes de contrôle bruyants en ingénierie. Leur résolution numérique est centrale pour la simulation de Monte Carlo de ces modèles.

History

Itô a introduit les équations différentielles stochastiques dans les années 1940 comme la forme rigoureuse des équations régies par le bruit blanc. La théorie de l'existence, de l'unicité et de la diffusion a été développée par Itô, Watanabe, Stroock et Varadhan. Leurs applications se sont considérablement étendues avec l'essor de la finance mathématique à partir des années 1970.

Key figures

• Kiyosi Ito
• Bernt Oksendal
• Shinzo Watanabe
• Leonard Ornstein

Seminal works

• oksendal2003

Frequently asked questions

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, de sorte que la solution est une fonction de ce bruit spécifique, tandis qu'une solution faible fournit seulement un processus avec la distribution correcte sur un certain espace de probabilité ; les deux s'accompagnent de notions d'unicité correspondantes et différentes.

Comment les équations différentielles stochastiques sont-elles résolues numériquement ?

Des schémas tels que la méthode d'Euler-Maruyama discrétisent le temps et remplacent les incréments browniens par des pas gaussiens simulés ; ils convergent vers la vraie solution à mesure que la taille du pas diminue, bien qu'à des vitesses qui reflètent l'irrégularité du bruit.