随机微分方程

随机微分方程描述了由确定性趋势和布朗噪声共同驱动的系统演化，其解（扩散过程）模拟了科学和金融领域中的连续随机动态。

Definition

随机微分方程是描述一个过程的方程，该过程的无穷小变化是漂移项乘以时间增量加上扩散项乘以布朗增量（通过伊藤积分解释），其解是扩散过程。

Scope

本主题涵盖了由布朗运动驱动的具有漂移和扩散系数的随机微分方程的公式化，强解和弱解以及路径唯一性和分布唯一性之间的区别，Lipschitz和线性增长条件下的存在性和唯一性，解的马尔可夫性和扩散性及其生成元，几何布朗运动和Ornstein-Uhlenbeck过程等标准示例，以及Euler-Maruyama方法等数值方案。

Core questions

• 如何严格地理解由布朗噪声驱动的微分方程？
• 强解和弱解以及相应的唯一性概念之间有什么区别？
• 在什么条件下存在唯一解？
• 如何通过生成元描述所得的扩散并进行数值模拟？

Key concepts

• 漂移和扩散系数
• 强解和弱解
• 路径唯一性
• 扩散生成元
• Euler-Maruyama方案

Key theories

解的存在性和唯一性

当漂移和扩散系数是Lipschitz连续且至多线性增长时，随机微分方程具有唯一的强解，通过Picard迭代获得，这与确定性理论并行，但使用伊藤积分和等距性。

扩散及其生成元

随机微分方程的解是马尔可夫扩散过程，其无穷小生成元是由漂移和扩散系数构建的二阶微分算子，将概率动力学与抛物线和椭圆偏微分方程联系起来。

Clinical relevance

随机微分方程在定量金融中模拟资产价格和利率，在物理学中模拟摩擦和噪声下的粒子速度，在生物学和化学中模拟随机波动下的种群规模和化学浓度，以及在工程学中模拟噪声控制系统，其数值解是这些模型蒙特卡洛模拟的核心。

History

伊藤在20世纪40年代引入了随机微分方程，作为由白噪声驱动的方程的严格形式，其存在性、唯一性和扩散理论由伊藤、渡边、Stroock和Varadhan发展；随着20世纪70年代数学金融的兴起，其应用 dramatically 扩展。

Key figures

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

Seminal works

• oksendal2003

Frequently asked questions

强解和弱解有什么区别？

强解是建立在给定的布朗运动和过滤之上的，因此解是该特定噪声的函数，而弱解仅提供在某个概率空间上具有正确分布的过程；两者伴随着相应不同的唯一性概念。

随机微分方程如何进行数值求解？

Euler-Maruyama方法等方案将时间离散化，并用模拟的高斯步长代替布朗增量；随着步长的减小，它们收敛于真实解，尽管收敛速度反映了噪声的不规则性。