- •Случайные события
- •Стохастический мир
- •Случайные величины
- •Совместная и условная вероятности
- •Зависимость и независимость
- •Характеристическая функция
- •Модель аддитивного блуждания
- •Случайные процессы
- •Стохастические уравнения
- •Уравнение Ито
- •Остановка перед восхождением
- •Лемма Ито
- •Точные решения
- •Простые стохастические модели
- •Представление решений
- •Автокорреляция и спектр
- •Порождающий процесс Винера
- •Средние значения
- •Динамическое уравнение для средних
- •Процесс Феллера
- •Логистическое уравнение
- •Вероятности
- •Марковские плотности вероятности
- •Граничные условия
- •Стохастические интегралы
- •Площадь под траекторией Винера
- •Интегралы Ито
- •Интегрирование стохастических уравнений
- •Единственность решений
- •Метод последовательных приближений
- •Системы уравнений
- •Скоррелированные блуждания
- •Системы стохастических уравнений
- •Стохастический осциллятор
- •Линейные многомерные модели
- •Многомерие помогает одномерию
- •Как решать стохастические задачи?
- •Стохастическая природа
- •Теория броуновского движения
- •Стохастический осциллятор
- •Дрожание земной оси
- •Электронный шум
- •Хищники и их жертвы
- •Стохастическое общество
- •Финансовые рынки
- •Эмпирические закономерности
- •Диверсификация
- •Портфель на всю жизнь
- •Опционы
- •Кривая доходности
- •Компьютерное моделирование
- •Статистики
- •Случайные числа
- •Моделирование стохастических процессов
- •Ошибки вычислений и ускорение сходимости
- •Вычисление средних
- •R: Стохастический справочник
- •Основные соотношения теории
- •Системы уравнений с одинаковым шумом
- •M: Математические приложения
- •H: Помощь
- •C: Примечания
- •Рекомендуемая литература
52 |
Глава 2. |
2.2Остановка перед восхождением
Прежде чем изучать способы решения стохастических дифференци-
альных уравнений, имеет смысл остановиться и поразмышлpÿòь. Мы выбрали в качестве математической модели шума величину " dt. Она умно-
жается на некоторую функцию b(x; t) и, тем самым, может изменять со временем и значением x свою волатильность (величину шума). Однако единственен ли подобный выбор?
Что, если рассмотреть уравнения без корня от временного интервала? Пусть, например:
dx = " dt:
В этом случае скорость dx=dt это случайная величина с гауссовым распределением. Решим уравнение в разностях:
x1 = x0 + "1 t; x2 = x1 + "2 t = x0 + ("1 + "2) t; :::
Через n итераций получится сумма гауссовых чисел, которая статисти-
÷åñки эквивалентна единственному гауссовому числу, умноженному на p
n: p
x = x0 + ("1 + ::: + "n) t = x0 + " n t:
Записывая итерационные решения, мы предполагаем, что в конечном сч¼те необходимо будет сделать предельный переход t ! 0, n ! 1.
При этом произведение n t = t равно конечному интервалу времени,
прошедшему от начального момента t = 0. Полученное решение имеет p 0
âèä x = x0 + " t t, и при t ! 0 стремится к тривиальной константе x0. Ни какой стохастической динамикой подобное уравнение не обладает.
Рассмотрим другую возможность со случайным шумом, также пропорциональным dt:
dx = "2 dt:
Âэтом случае решение имеет вид:
x = x0 + ("21 + ::: + "2n) t = u (n t) = u t;
где введена случайная величина:
|
"12 |
+ ::: + "n2 |
|
||
|
u = |
|
|
: |
|
|
|
|
|
||
|
|
|
n |
|
|
Каковы е¼ статистические свойства? Так как для всех |
"i справедливо |
||||
|
|
|
|
t = n t |
|
"2 |
= 1, то среднее значение hui = 1. В пределе n ! 1, t ! 0 мы |
||||
получаем конечное решение, пропорциональное времени |
. |
Стохастические уравнения |
|
|
|
|
|
|
|
|
|
|
|
53 |
|||||
Найд¼м среднее значение квадрата u: |
|
|
|
|
|
|
|
||||||||||
u2 |
|
1 |
n |
"i2"j2 |
|
1 |
hn "4 |
+ (n2 |
n) |
"2 |
|
2 |
2 |
: (2.11) |
|||
|
= n2 |
i;j=1 |
|
= n2 |
|
i |
= 1 + n |
||||||||||
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
В сумме по i и j усредняются n2 слагаемых. Из них n имеют одинаковые
индексы типа "41 , а оставшиеся n2 n слагаемых с различными индек- ñàìè: "21"22 , è ò.ä. (l C15). Так как случайные числа "i независимы, то среднее их произведения равно произведению средних: "21"22 = "21 "22 . Кроме этого, для нормированных гауссовых величин мы имеем: "2 = 1,
"4 = 3.
В результате дисперсия величины u равна u2 = u2 hui2 = 2=n и стремится к нулю при n ! 1. Это означает, что плотность вероятности
P (u) при n ! 1 становится бесконечно узкой и высокой в окрестности значения u = 1. Мы имеем дело с детерминированным числом! Этот результат не зависит от типа распределения " и предполагает только су-
ществование конечного момента четв¼ртого порядка "4 . Аналогичная ситуация и для уравнения dx = "m dt (l H8).
Таким образом, члены вида ( W )2 = "2 dt в дифференциальном уравнении приводят к детерминированной динамике x(t) = t, такой же, как и в отсутствие "2. Это утверждение часто записывают в символическом виде неслучайности квадрата изменения винеровской переменной:
( W )2 dt: |
(2.12) |
Подобное соотношение необходимо понимать в смысле детерминирован-
ности бесконечной итерационной процедуры. Оно справедливо и в слу- чае, когда dx = (x; t) "2 dt, так как локально на малом интервале t
функцию (x; t) всегда можно считать примерно постоянной. При этом возможно разбиение сколь угодно малого интервала t на большое ко-
личество n итерационных шагов.
pМы видим, что альтернатив для записи малого шума Noise " dt
не так и много. Только сочетание " с корнем из dt сохраняет свою слу-
чайность при бесконечном итерационном решении уравнения. Поэтому уравнения Ито являются если и не единственным, то очень естественным методом введения шума в дифференциальные законы изменения величин со временем (l C16).
Естественно, шум в реальных системах не обязательно будет аддитивен, как в (2.4). Например, параметр частоты осциллятора ! вполне мо-
жет оказаться случайной величиной. Однако в этом случае для него можно рассматривать отдельное динамическое уравнение типа Ито и решать систему стохастических уравнений.
54 |
Глава 2. |
2.3Лемма Ито
Пусть процесс x(t) подчиняется уравнению Ито. Рассмотрим обыч-
ную гладкую функцию F (x; t). Если вместо x в не¼ подставить x(t), то
F (t) = F x(t); t станет случайным процессом. Покажем, что он также подчиняется диффузному уравнению Ито:
dF = A(x; t) dt + B(x; t) W |
(2.13) |
с x = G(F; t), где G обратная к F функция. Для этого необходимо найти функции сноса A и волатильности B, а также убедиться, что моменты более высоких порядков равны нулю.
Разложим в ряд Тейлора F (x; t) = F (x0 + x; t0 + t) в окрестности начального фиксированного значения x0 по небольшим x и t:
|
|
@F |
1 |
@2F |
( x)2 |
@F |
||||
F (x; t) = F (x0 |
; t0) + |
|
x + |
|
|
|
+ ::: + |
|
t + :::; |
|
@x0 |
|
|
|
|||||||
|
|
2 @x02 |
|
|
@t0 |
где все производные справа вычислены в точке x0; t0. Для ряда остав- лен член второго порядка малости по x. При помощи (2.7) мы можем записать ( x)2 в следующем виде:
p
( x)2 = a0 t + b0 " t + ::: 2 = b20 "2 t + :::;
где оставлено ведущее приближение по t. Таким образом, если в на- чальный момент времени t0 функция равна детерминированному числу F0 = F (x0; t0), то через малый промежуток времени, в зависимости от значения ", это будет случайная величина вида ( l C17):
|
@F |
(a0 t + b0 "p |
|
) + |
b02 |
|
@2F |
"2 |
|
t + |
@F |
|
|
|
|
|||||||||||||||||
F = F0 + |
t |
t + ::: |
(2.14) |
|||||||||||||||||||||||||||||
|
|
|
|
@t0 |
||||||||||||||||||||||||||||
@x0 |
|
|
|
|
|
2 |
|
@x02 |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
По определению (2.6) коэффициент сноса в пределе t ! 0 равен: |
|
|
||||||||||||||||||||||||||||||
A(x0; t0) = |
hF F0i |
= a0 |
@F |
+ |
b02 |
|
@2F |
|
+ |
@F |
; |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
t |
|
|
|
@x0 |
2 @x02 |
|
|
|
|
@t0 |
|
|
|
|
|||||||||||||
Аналогично, для коэффициента диффузии: |
|
|
|
|
|
|
|
h"i = 0 |
"2 |
= 1 |
||||||||||||||||||||||
где подставлено разложение (2.14) äëÿ F |
и учтено, что |
|
|
|
|
, |
|
. |
||||||||||||||||||||||||
2 |
|
|
|
(F F0)2 |
|
|
2 |
|
|
|
@F |
|
|
2 |
|
|
|
|
|
|
|
|||||||||||
|
B |
(x0; t0) = |
|
|
|
|
= b0 |
|
|
|
: |
|
|
|
|
|
||||||||||||||||
|
|
t |
@x0 |
|
|
|
|
|
Для моментов более высоких порядков в пределе t ! 0 получается ноль. Таким образом, это действительно диффузный процесс.
Стохастические уравнения |
55 |
Выше упоминалось, что для записи стохастического дифференциального уравнения некоторого процесса необходимо вычислить условные средние его изменения первого и второго порядка. При этом следует убедиться, что моменты более высоких порядков при t ! 0 стремятся к
нулю. Если этого не происходит, то процесс не является диффузным и не может быть записан в форме Ито (2.13). Поэтому необходима полная проверка диффузности , проведенная выше.
Считая уравнение (2.14) первым вычислением в бесконечной итерационной схеме, мы можем также рассуждать аналогично разделу x2.2.
Сумма слагаемых вида "2 t приводит к такому же детерминированному результату, как и в отсутствие "2. Поэтому можно положить "2 ! 1.
Так как начальный момент был выбран произвольным образом, запи-
шем дифференциал функции F (x; t) в форме Ито при помощи бесконеч- p
но малой винеровской переменной W = " dt:
|
|
@F |
|
@F |
|
b2 |
x; t |
) |
@2F |
dt + b(x; t) |
@F |
|
|
||
dF = |
|
+ a(x; t) |
|
+ |
|
|
( |
|
|
W |
: (2.15) |
||||
@t |
@x |
|
|
2 |
|
|
@x2 |
@x |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Это соотношение называется леммой Ито . Оно играет очень важную роль в теории случайных процессов (l C18).
Обратим внимание, что в отсутствие стохастики полный дифференциал функции F (x; t), в которую подставили решение x = x(t) уравнения
dx = a(x; t)dt, имеет вид:
dF = @t |
dt + @x dx |
= |
@t |
+ a(x; t) @x dt: |
(2.16) |
|||
|
@F |
|
@F |
|
@F |
|
@F |
|
В отличие от этого соотношения, в детерминированную часть леммы
Ито проникают функция диффузии b2(x; t) и вторая производная по x. p
Происходит это, как мы видели, благодаря корню dt. Ýòî, â ñâîþ î÷å- редь, связано со свойствами простого аддитивного блуждания, которое является локальным приближением любого процесса Ито.
Для винеровского уравнения dx = dt + W с постоянным сносоми волатильностью дифференциал квадрата траектории y = x2, â соответствии с (2.15), удовлетворяет нелинейному уравнению Ито:
d(x2) = (2 x+ 2) dt+2 x W => dy = (2 py+ 2) dt+2 py W:
Действуя в обратном направлении, при помощи подходящей замены и леммы Ито можно сводить одни уравнения к другим, решение которых нам известно. Рассмотрим этот подход подробнее.