- •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
R: Стохастический справочник
В приложении собраны основные формулы, связанные с одномерными и многомерными стохастическими дифференциальными уравнениями. Приведены точные или асимптотически точные решения. В тех слу- чаях, когда уравнение обсуждалось в книге, делается сноска на соответствующий номер страницы.
261
262
IОсновные соотношения теории
R1: Стохастическое дифференциальное уравнение определяется функциями сноса a(x; t) и волатильности b(x; t):
dx = a(x; t) dt + b(x; t) W;
p
где W = " t винеровский шум, а " N(0; 1) гауссово случайное
число с нулевым средним и единичной дисперсией. Итерационная схема: p
xk+1 = xk + a(xk; tk) t + b(xk; tk) t "k:
Стартуем с x0 = x(t0), и далее каждый раз генерим новое, независимое гауссово случайное число "k.
R2: Дифференциал функции F = F (x; t), если x = x(t) случайный процесс, определяется леммой Ито (стр. 55):
|
|
@F |
|
@F |
|
2 x; t |
) |
@2F |
dt + b(x; t) |
@F |
|
|
dF = |
|
+ a(x; t) |
|
+ |
b ( |
|
|
W: |
||||
@t |
@x |
2 |
|
|
@x2 |
@x |
Стохастическое уравнение для F получаем после замены x = G(F; t), где G обратная к F функция.
R3: Плотность условной вероятности P = P (x0; t0 ) x; t) удовлетворяет уравнению Фоккера-Планка (стр. 107):
@P |
@ |
a(x; t) P |
|
1 @2 |
|
b2(x; t) P = 0 |
||||||||||||
|
|
|
+ |
|
|
|
|
|
|
|
||||||||
|
@t |
@x |
2 @x2 |
|||||||||||||||
и первому уравнению Колмогорова (стр. 105): |
|
|
||||||||||||||||
|
|
@P |
|
|
@P |
|
1 |
|
|
|
|
@2P |
|
|||||
|
|
|
|
+ a(x0; t0) |
|
|
+ |
|
b2(x0 |
; t0) |
|
= 0: |
||||||
|
|
|
|
@x0 |
|
@x02 |
||||||||||||
|
|
@t0 |
|
|
|
2 |
|
|
|
|
|
Уравнению Фоккера-Планка можно придать форму закона сохранения:
|
@t + |
@x = 0; |
J(x; t) = a P 2 |
@x |
: |
|
|
@P |
@J |
1 |
@ b2 P |
|
|
Возможны следующие граничные условия (стр. 110): |
|
|
||||
reflecting : |
J(a; t) = 0 |
|
|
|
||
absorbing : |
P (a; t) = 0 |
|
|
|
||
periodic : |
|
J(a; t) = J(b; t); P (a; t) = P (b; t): |
Если начальное условие x0 задано точно, то P (x0; t0 ) x; t0) = (x x0).
R: Стохастический справочник |
263 |
R4: Среднее от функции F = F (x; t) удовлетворяет уравнению (стр. 78):
|
d hF i |
= |
@F |
+ a(x; t) |
@F |
+ |
b2(x; t) |
|
@2F |
: |
|
|
|
|
|
|
|
||||||
|
|
@t |
@x |
2 @x2 |
|||||||
|
dt |
|
|
|
|||||||
В случае F = x и F = x2: |
hx_2i = 2xa(x; t) + b2(x; t) ; |
||||||||||
hx_ i = ha(x; t)i ; |
где точка производная среднего по времени. Для линейного по x сноса уравнение для среднего hxi совпадает с детерминированным.
R5: Важный класс точных решений можно найти (стр. 57), если уда¼тся подобрать функцию s(t), удовлетворяющую тождеству:
1 @ s(t)
s(t) @t b(x; t)
Тогда, решая уравнения:
@F |
= |
|
s(t) |
; |
|
@x |
b(x; t) |
||||
|
|
|
1 @2b(x; t) |
|
@ |
a(x; t) |
|
||||
= |
|
|
|
|
|
|
|
|
: |
2 @x2 |
@x |
b(x; t) |
@t |
+ s(t) |
b(x; t) |
2 |
@x |
|
= f(t) |
|
@F |
|
|
a(x; t) |
1 |
@b(x; t) |
|
|
находим F (x; t) и f(t), при помощи которых записываем решение:
t |
2 t |
31=2 |
ZZ
F x(t); t = F x(t0); t0 + t0 |
f( ) d + |
t0 |
s2( ) d |
5 |
": |
|
|
4 |
|
|
R6: Решение x = f(t; "), выраженное через случайную переменную ", удовлетворяет уравнению (стр. 120):
f_ |
= a(f; t) |
D0 |
(f; t) |
+ |
D(f; t) |
|
(") |
+ |
f00 |
; |
||
|
2 |
|
2 |
|
f0 |
f02 |
ãäå (") = P 0(")=P ("), и P (") плотность вероятности для ", точка производная по времени, штрих по ", а D = b2, D0 = @D=@x. В случае
гауссового распределения |
(") = ". Начальные условия x0 = f(t0; "). |
|||||||
Уравнение для обратной функции " = g(x; t): |
|
|||||||
g = |
1 @D(x; t) |
g0 |
a(x; t)g0 |
D(x; t) |
|
(g) g02 g00 : |
||
|
|
|
|
|||||
2 |
@x |
2 |
Штрих теперь производная по x.
264
R7: Система стохастических уравнений n x m относительно переменных состояния x = fx1; :::; xng имеет вид:
dx = a (x; t) dt + b(x; t) W :
По повторяющемуся индексу, если иное не оговp îрено, предполагается суммирование. Стохастический шум W = " dt выражается через m
нескоррелированных гауссовых чисел: " = f"1; :::; "mg.
R8 |
: Лемма Ито (стр. 157) для функции n + 1 переменных F = F (x; t): |
||||||||||||||||||||||||||||||
|
|
|
@F |
@F |
|
1 @2F |
|
@F |
|||||||||||||||||||||||
|
dF = |
|
|
|
+ |
|
|
|
ai + |
|
|
|
|
|
|
|
|
bi bj dt + |
|
|
bi W : |
||||||||||
|
|
@t |
@xi |
2 |
@xi@xj |
@xi |
|||||||||||||||||||||||||
Матричная форма (bT транспонирование, Tr след матрицы): |
|||||||||||||||||||||||||||||||
|
|
@F |
|
|
|
|
@F |
1 |
|
|
|
|
|
|
|
@2F |
|
@F |
|||||||||||||
|
dF = |
|
|
+ |
|
|
a + |
|
|
Tr bT |
|
|
b dt + |
|
b W; |
|
|||||||||||||||
|
@t |
|
@x |
2 |
@x2 |
@x |
|||||||||||||||||||||||||
R9 |
: Уравнение Фоккера - Планка (стр. 158) äëÿ P = P (x0; t0 ) x; t): |
||||||||||||||||||||||||||||||
|
|
|
|
@P |
|
@(a P ) |
1 @2 |
hbi bj P i = 0: |
|||||||||||||||||||||||
|
|
|
|
|
|
+ |
|
i |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
@t |
@xi |
2 |
@xi@xj |
Функции сноса и волатильности зависят от текущего значения x и вре-
ìåí: ai = ai(x; t), bi = bi (x; t).
Первое уравнение Колмогорова для P = P (x0; t0 ) x; t):
@P |
@P |
bi bj |
|
@2P |
|||
|
+ ai |
|
+ |
|
|
|
= 0: |
|
|
2 |
|
||||
@t |
@x0i |
|
@x0i@x0j |
ãäå x0 = fx01; :::; x0ng переменные начального условия, в которых вы- числены снос и волатильность ai = ai(x0; t0), bi = bi (x0; t0)
R10: Уравнение Фоккера-Планка имеет вид закона сохранения:
@P |
+ |
|
@Ji |
= 0; |
Ji = aiP |
1 @ |
hbi bj P i: |
||
|
|
|
|
|
|
||||
@t |
@xi |
2 |
@xj |
Вероятность p(t) нахождения в объ¼ме V , окруженном поверхностью S:
p(t) = Z |
P (x; t)dV; |
dt |
= Z |
JdS: |
|
|
dp |
|
|
V |
|
|
S |
|
Элемент площади dS перпендикулярен поверхности и направлен наружу. Вероятность p(t) уменьшается, если положителен поток из объ¼ма.
R: Стохастический справочник |
|
|
|
|
|
|
|
|
265 |
||
R11: Динамические уравнения для средних (стр. 159): |
@xj |
|
|||||||||
|
dt |
|
= |
@t |
+ ai @xi |
+ 2 bibj |
@xi |
: |
|||
|
d F x(t); t |
|
|
|
@F |
|
@F |
1 |
@2F |
|
В частности, для среднего значения:
hx_ i = ha(x; t)i
и среднего квадрата:
hx _x i = hx a + x a + b b i :
Св¼ртка по индексам:
hx_2i = 2 hx ai + Tr b bT :
R12: Как и в одномерном случае, некоторую систему стохастических уравнений можно попытаться свести к простому нестационарному слу- чаю (стр. 174), найдя матрицу sk(t), удовлетворяющую уравнению:
@t sk(t) bi1 |
|
+ sk(t) @xi b 1 a |
2 @xj |
bj = 0: |
||
@ |
|
|
@ |
|
1 @b |
|
Тогда, найдя F (x; t) из уравнения:
|
|
|
|
|
@Fk |
= sk(t) b 1 |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
@xi |
|
|
|
|
i |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
и нестационарный снос: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
f |
t |
|
@Fk |
|
|
s |
|
|
b 1 a |
|
|
1 |
s |
|
b 1 |
@b |
b |
|
; |
||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
k( |
) = |
|
@t |
+ |
|
k |
|
|
|
2 |
k |
@xj |
j |
|
||||||
решение запишем в следующем виде: |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
Fk(x(t); t) = Fk(x0; t0) + |
Z fk( ) d + Si(t) " ; |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
t0 |
|
|
|
|
|
|
|
|
|
ãäå " нормированные независимые гауссовы случайные числа, а
|
t |
Si(t) Sj(t) = |
Z si( )sj( ) d : |
|
t0 |
266
II Процесс Винера
R13: Винеровское блуждание является непрерывным пределом дискретной модели суммы n независимых нормально распредел¼нных слу-
чайных величин. Если, начиная со значения W (0) = 0, в течение времени t произошло n гауссовых изменений и t = t=n, то при n ! 1:
p p p
Wt = ("1 + "2 + ::: + "n) t = " n t = " t:
Таким образом, в момент времени t процесс имеет гауссово распределение с нулевым средним и дисперсией, равной t: Wt N(0; t)
R14: Средние винеровского процесса.
|
|
|
|
|
|
|
|
D |
p |
|
|
E |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
hf(Wt)i = f " t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
, |
|
, ... независимые |
|
|
|
p |
|
|
p |
|
|
|
p |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
hf(Wt1 |
; Wt2 )i = f "1 t1; "1 t1 + "2 t2 t1 |
; |
|
|
|
|
|
|||||||||||||||||||||
ãäå |
"1 |
|
"2 |
|
|
|
гауссовы числа, а |
t1 |
|
|
|
|
|
. |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
< t2 < t3 < :: |
|
|
|
|
|
|||||||||
В общем случае (t0 = 0, W (0) = 0): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ |
|
|
||||||||||||||
hf(Wt1 |
; ::; Wtn)i = |
*f "1pt1; |
"1pt1 + "2pt2 t1 |
; :::; |
|
n |
"k |
|
tk |
tk 1 |
: |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xk |
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
R15: Производящие функции для средних (t1 < t2 < t3 < ::). |
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
ep Wt |
|
= e21 p2t |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
ep1 Wt1 +p2 Wt2 |
= e21 (p12t1+p22t2+2p1p2t1) |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
ep1 Wt1 +p2 Wt2 +p3 Wt3 |
|
= e21 (p12t1+p22t2+p32t3+2p1(p2+p3)t1+2p2p3t2) |
|
|
|
|||||||||||||||||||||||
|
|
ep1 Wt1 +p2 Wt2 +p3 Wt3 +p4 Wt4 |
|
= e21 (p12t1+p22t2+p32t3+p42t4) |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
e21 (2p1(p2+p3+p4)t1+2p2(p3+p4)t2+2p3p4t3) |
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
R16: Некоторые средние значения (t1 < t2 < t3 < ::). |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
Wt2n = 1 3 5 ::: (2n 1) tn; |
|
Wt2n+1 = 0: |
|
|
|
||||||||||||||||||||||||
двуточечные: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
hWt1 Wt2 i = t1; |
2 |
|
2 |
|
|
2 |
|
+ t1t2; |
|
3 |
|
3 |
|
|
3 |
2 |
|
|
|
|
|||||||||||
|
Wt1 Wt2 |
= 2t1 |
Wt1 Wt2 |
= 6t1 |
+ 9t1t2 |
|
|
|
||||||||||||||||||||||||
Если сумма степеней неч¼тна, то: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
n m |
|
|
|
|
|
|
|
|
n + m = 1; 3; 5; 7; ::: |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
Wt1 Wt2 = 0; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R: Стохастический справочник |
|
|
|
|
|
|
|
|
|
|
267 |
||||
R17: Разложение Палея-Винера (на интервале t = [0::T ]): |
|
||||||||||||||
|
|
|
|
t |
|
p |
1 |
|
sin( k t=T ) |
|
|||||
|
|
|
W (t) = "0 pT |
+ 2T |
|
"k |
|
|
k |
|
: |
|
|||
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xk |
|
|
|
|
|
|
|
|
R18: Разложение Кархунена-Лоэва (на интервале t = [0::T ]): |
|
||||||||||||||
|
|
|
|
|
1 |
"k |
sin |
k + 1=2) t=T |
: |
|
|||||
|
|
|
W (t) = p2T k=0 |
((k + 1=2) |
|
||||||||||
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
||
R19: Винеровское блуждание со сносом (стр. 48): |
|
|
|
||||||||||||
|
|
|
|
dx = dt + W |
|
|
|
|
|
||||||
является базовым процессом, имеющим постоянные снос и волатиль- |
|||||||||||||||
ность . Его решение с начальными условиями x0 = x(t0) имеет вид: |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
x(t) = x0 + (t t0) + " t t0: |
|
|
|
|||||||||
Среднее значение и волатильность x2 = (x x)2 :p |
|
|
|
||||||||||||
|
|
x(t) = x0 + (t t0); |
|
|
x(t) = t t0: |
|
|||||||||
Автоковариация: |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
cov(t; t + ) = h(xt xt)(xt+ |
xt+ )i = 2 (t t0): |
|
||||||||||||
Условная плотность вероятности: |
|
|
|
|
|
|
|
|
|
||||||
P (x |
; t |
) |
x; t) = |
1 |
|
t0) |
exp |
|
(x |
|
x0 |
|
(t t0))2 |
: |
|
0 |
0 |
|
2 (t |
|
|
|
|
2 2 (t |
t0) |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вероятности при |
|
|
, |
|
|
в различные мо- |
|||||
Эволюция плотностиp |
|
|
|
|
= 1 = 1 |
|
|
||||||||
менты времени: |
|
|
|
|
|
|
|
|
|
|
|
|
|||
0.4 |
|
|
|
t=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
t=2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t=3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t=4 |
t=5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-10 |
|
|
-5 |
0 |
|
|
5 |
|
|
|
10 |
|
|
15 |
20 |
268
III Уравнения с линейным по x сносом, n = 1
Если снос и волатильность не зависят от времени, то решение не изменится при сдвиге начального момента. Поэтому ниже t0 = 0, и для его восстановления необходимо t ! t t0. Везде " гауссова случайная величина с h"i = 0, "2 = 1. Начальное условие x0 = x(t0). Если решение выражается через процесс Винера Wt, это указывается явным образом.
R20: Логарифмическое блуждание (стр. 58):
dx = x dt + x W:
Решение:
x(t) = x0 e( 2=2)t+ Wt:
Среднее значение и волатильность:
p
x(t) = x0 et; x(t) = x(t) e 2t 1:
Автоковариация:
h i cov(t; t + ) = x20e (2t+ ) e 2t 1 :
R21: Процесс Орнштейна - Уленбека (стр. 60):
dx = (x ) dt + W
при > 0 описывает блуждание с притяжением к уровню . Решение уравнения:
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
||||
x(t) = + x0 e t + |
p |
|
p1 e 2t ": |
|||||||||
2 |
||||||||||||
Среднее значение и волатильность: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|||
x(t) = + x0 e t; |
x(t) = |
p |
|
p1 |
e 2t: |
|||||||
2 |
Автоковариация:
cov(t; t + ) = x2(t) e :
При > 0 в стационарном пределе t ! 1 спектральная функция:
2=
S(!) = !2 + 2 :
Стационарное распределение для x имеет гауссову форму со средним p
значением x = и волатильностью = 2 .
R: Стохастический справочник |
269 |
R22: Процесс Винера с линейной волатильностью :
dx = dt + x W:
Среднее значение:
x(t) = x0 + t
Дисперсия ( = = 2):
|
x2(t) = h(x0 + )2 + 2i e 2t 1 2 (x0 + ) t 2 t2: |
||||||||||||||||||||||||||||||||||||
Процесс |
y = F (t; x; W ) = x e |
2 |
t Wt |
удовлетворяет стохастическому |
|||||||||||||||||||||||||||||||||
2 |
|||||||||||||||||||||||||||||||||||||
уравнению dy |
= e |
2 |
t Wt dt; потому интегральное представление ре- |
||||||||||||||||||||||||||||||||||
2 |
|||||||||||||||||||||||||||||||||||||
шения x(t) имеет вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
x(t) = e |
2 |
t+ Wt |
|
2x0 + Zt e |
2 |
s Wsds3 |
: |
|
|
|
||||||||||||||||||||||||
|
|
|
2 |
|
2 |
|
|
|
|||||||||||||||||||||||||||||
|
|
p |
|
|
|
|
|
|
|
|
|
4 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
||||||
Åñëè |
Wt |
, то при малых |
|
|
äëÿ |
y |
справедливо разложение: |
||||||||||||||||||||||||||||||
|
= "1 |
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t3=2 |
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
x(t) = x0 + t (p3"1 + "2) |
|
2p |
|
|
|
+ ::: e 2 |
t+ "1pt; |
||||||||||||||||||||||||||||
|
|
|
3 |
|
|||||||||||||||||||||||||||||||||
ãäå "1, "2 независимые гауссовы числа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
R23: Феллеровское блуждание с постоянным сносом (стр. 87): |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
dx = dt + p |
|
W: |
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|||||||||||||||||||||||
Решение: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
x(t) = x0 + p |
|
" + |
2t |
u; |
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
x0 t |
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
где производящая функция для ", u равна (см. R69): |
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
ek "+ p u = |
|
|
|
|
|
1 |
|
|
|
|
|
exp |
|
|
k2=2 |
: |
|
|
|
|
|
||||||||||||
|
|
|
|
|
(1 p)2 = 2 |
1 p |
|
|
|
|
|
||||||||||||||||||||||||||
Среднее значение и дисперсия процесса: |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
x(t) = x0 + a t; |
|
|
|
|
|
x2(t) = 2 x0 t + |
a t2 |
: |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
270
R24: Процесс Феллера (стр. 82, 168):
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|||
dx = (x ) dt + x W |
|
|
|
|
||||||||||||||||||||||||||||
c начальным условием x0 = x(0) è = 2=2 имеет решение: |
|
|||||||||||||||||||||||||||||||
x(t) = x0e t + q |
|
|
|
|
|
|
|
|
|
|
|
|
|
" + 1 e t u; |
||||||||||||||||||
2x0 e t (1 e t) |
||||||||||||||||||||||||||||||||
где производящая функция для " и u имеет вид (см. R69): |
|
|||||||||||||||||||||||||||||||
ek "+ p u |
= |
|
|
|
1 |
|
|
|
|
exp |
|
k2=2 |
|
: |
|
|
||||||||||||||||
|
(1 |
|
|
p) = |
1 |
|
p |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Среднее значение и дисперсия процесса: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
x(t) = + x0 e t; |
|
|
x2(t) = 1 e t 2 + 2x0 1 e t e t: |
|||||||||||||||||||||||||||||
Автоковариационная и спектральная (при t ! 1) функции: |
|
|||||||||||||||||||||||||||||||
cov(t; t + ) = x2(t) e ; |
|
|
|
|
|
S(!) = |
|
|
|
2= |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
: |
|
|||||||||||||||||||||||
|
|
|
|
|
!2 + 2 |
|
||||||||||||||||||||||||||
Производящая функция для x: |
|
|
|
|
|
|
|
|
|
1 p1f3 |
; |
|
|
|
||||||||||||||||||
hep xi = (1 p f3) exp |
|
|
|
|||||||||||||||||||||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
p f |
|
|
|
|
|
|
|
|
|
|||||||||
ãäå f1 = x0e t, f3 = (1 e t), à = = = 2 = 2 |
|
|||||||||||||||||||||||||||||||
При > 0 существует стационарная плотность вероятности: |
|
|||||||||||||||||||||||||||||||
|
1 |
|
|
|
x |
|
|
1 |
e x= : |
|
|
|
|
|
|
|
||||||||||||||||
P (x) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
( ) |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
Плотность вероятности при произвольном t: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
P (x0; 0 ) x; t) = e f3 |
I 1 |
2 |
|
|
|
|
|
f1 |
|
1 |
|
|||||||||||||||||||||
f3 |
1 |
e x=f3 |
; |
|||||||||||||||||||||||||||||
|
|
|
f1=f3 |
|
|
|
|
|
|
|
|
pxf |
|
|
|
|
|
|
|
x |
|
|
2 |
|
|
|||||||
ãäå Iq(z) модифицированная функция Бесселя: |
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
1 |
|
|
|
(z=2)2k+q |
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
Xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
k! (k + 1 + q); |
|
|
|
|
|
|
|
|||||||||||||||||||||
Iq(z) = |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
удовлетворяющая уравнению: z2Iq00(z) + zIq0(z) (z2 + q2)Iq(z) = 0:
R: Стохастический справочник |
271 |
R25: Процесс Орнштейна-Уленбека с линейной волатильностью :
dx = (x ) dt + x W:
Среднее значение: |
|
x(t) = + x0 e t: |
|
|
|
|
||||||||||||
Дисперсия: |
|
|
|
|
|
|||||||||||||
2(t) = |
|
2 2 |
|
+ |
2 2(x0 ) |
e t |
|
(x |
0 |
)2 e 2 t |
||||||||
2 2 |
|
|
||||||||||||||||
x |
2 2 |
2 |
|
|
|
|
|
|||||||||||
|
|
|
|
|
2(x0 |
|
) |
|
|
2 |
|
|||||||
+ |
x02 |
|
|
|
|
+ |
|
|
|
|
e( 2 + |
)t: |
||||||
2 |
|
2 |
|
2 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При > 0 стремится к стационарному распределению с плотностью:
P (x) x 2 exp =x ; |
= |
2 |
|
||
|
|
|
|||
2 |
|
||||
Интегральное представление решения: |
|
|
|
|
|
x(t) = e ( + 2=2)t+ Wt 2x0 + Zt e( + 2=2)s Wsds3 |
: |
||||
4 |
0 |
|
5 |
|
R26: Линейный снос и волатильность (стр. 331):
dx = ( + x) dt + ( + x) W:
Среднее значение:
|
|
|
|
|
x(t) = |
+ x0 + |
e t: |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Среднее квадрата ( ~ = + , n = n + 2): |
|
|
|
|
|||||||||
|
|
|
2~ 2 |
|
2~( + x0) |
e t + x2 |
|
2~x0 |
+ |
2~ + 1 2 |
e 2t; |
||
|
x2(t) = |
|
+ |
||||||||||
|
2 |
|
|
1 2 |
|||||||||
|
|
|
1 |
|
0 |
|
1 |
|
R27: Броуновская ловушка (стр. 327):
dx = (x ) dt + (x ) W:
Решение: p x = + (x0 ) e ( + 2=2) t+ t":
Среднее значение и волатильность:
p
x(t) = + (x0 ) e t; x(t) = jx0 j e t e 2t 1:
272
R28: Отсутствие зависимости от x (стр. 56):
dx = f(t) dt + s(t) W:
Решение:
t |
2 t |
31=2 |
ZZ
x(t) = x(t0) + f( ) d + 4 s2( ) d 5 ":
t0 t0
Среднее значение и дисперсия:
t |
t |
x(t) = x(t0) + Z f( ) d ; |
x2(t) = Z s2( ) d : |
t0 |
t0 |
R29: Броуновский мост (стр. 63):
x
dx = T t dt + W:
Решение с x0 = x(t0):
T t x(t) = + (x0 ) T t0
Среднее значение и дисперсия:
T t x(t) = + (x0 ) T t0 ;
+ s |
|
(t T0)( t0 |
) |
|
": |
|
|
t T t |
|
|
|
|
|
|
|
|
|
2(t) = 2 (t t0)(T t): x T t0
R30: Степенной броуновский мост (стр. 63):
x
dx = T t dt + W:
Решение с x0 = x(t0):
|
x0 |
|
|
|
|
(T t) |
|
|
|
|
(T t)2 1 |
|
1=2 |
|
x(t) = + |
(T |
|
t) + |
|
1 |
|
": |
|||||||
T |
2 1 |
T 2 1 |
||||||||||||
|
|
|
|
|
R: Стохастический справочник |
273 |
R31: Нестационарное логарифмическое блуждание
dx = a(t) x dt + b(t) x W:
Решение:
x(t) = x0 |
exp |
8 t |
a( ) |
|
1 b2 |
( ) |
d + |
2Z |
t |
b2( ) d |
1=2 |
"9 |
: |
|
|
|
>Z |
2 |
|
|
|
|
3 |
> |
|
||||
|
|
<0 |
|
|
|
|
|
|
0 |
|
|
5 |
= |
|
Среднее значение:> |
|
|
|
|
|
|
4 |
|
|
> |
|
|||
|
|
: |
|
|
|
|
t |
|
|
|
|
|
; |
|
|
|
|
x(t) = x0 exp Z0 |
a( ) d : |
|
|
|
|
|
274
IV Уравнения с нелинейным по x сносом, n = 1
R32: Логарифмический процесс Орнштейна-Уленбека (стр. 327): x
dx = x ln 1 dt + x W:
Решение:
x(t) |
2 |
|
|
|
x |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
ln |
|
= 1 |
|
|
+ ln |
0 |
|
1 + |
|
e t + |
p |
|
p1 e 2t ": |
||||||||||||
|
2 |
|
2 |
||||||||||||||||||||||
|
2 |
||||||||||||||||||||||||
Среднее значение: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
2 |
|
x |
|
|
2 |
2 |
||||||||||||||
x(t) = exp 1 |
|
|
+ ln |
|
0 |
1 + |
|
|
e t + |
|
1 e 2t : |
||||||||||||||
|
2 |
|
2 |
4 |
|||||||||||||||||||||
R33: Логистическое уравнение x (стр. 89): |
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
dx = ( x x2) dt + x W |
|
|
|
|
|
|||||||||||||||
удобно рассматривать в безразмерном виде: |
|
|
|
|
|
||||||||||||||||||||
где = =2 . Переход к исходному |
|
|
p |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
dx = x (1 |
x) dt + 2 x W; |
|
|
|
|
|
|||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
уравнению осуществляется замена- |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
ìè t ! t, x ! ( = )x, x0 ! ( = )x0. Разложение в ряд по t среднего:
|
x |
|
= |
1 + 1 x0 t + 1 (3 + 2 )x0 + 2x02 |
t2 |
|
|
|
x0 |
2! |
t3 |
||||||
|
|
|
+ |
1 (7 + 10 + 4 2) x0 + (12 + 16 ) x02 6x03 |
|
+ :: |
||
|
|
|
3! |
При ; > 0 существует стационарное распределение ( t ! 1) с плотностью вероятности:
P (x) = 1 x 1 e x=
( )
где = (1 )= . Средние значения и волатильность в асимптотическом пределе t ! 1:
hxi = 1 ; |
|
x2 |
= hxi ; |
x2 = (1 ) : |
|
||||
Решение можно выразить через |
|
стохастический интеграл: |
|
|
|||||
x(t) = x0 e(1 ) t+p |
|
Wt |
21 + x0 Zt |
e(1 ) +p |
|
W d |
3 1 |
: |
|
2 |
2 |
||||||||
|
|
|
4 |
|
|
|
5 |
|
0
R: Стохастический справочник |
275 |
R34: Рэлеевский процесс
dx = x x dt + W:
Среднее квадрата:
|
|
2 + 2 |
1 e 2 t : |
|
x2(t) = x02 e 2 t + |
||||
2 |
Стационарная плотность вероятности ( = ( = 2) + 1=2):
P(x) = 2( = 2) x2 = 2 e x2= 2 :
( )
Асимптотически стационарные средние:
|
|
( + 1=2) |
|
|
|
2 + 2 |
|
||||
|
|
|
x2 = |
|
|||||||
|
= |
p |
|
|
|
; |
|
: |
|||
x |
|
||||||||||
( ) |
2 |
||||||||||
|
|
p
R35: Нелинейный снос с волатильностью x
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||
|
dx = |
|
+ px + 2 x dt + px W: |
|
|||||||||||||
|
4 |
|
|||||||||||||||
Решение с x0 = x(0), > 0: |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
px0 e t + 2 |
e t 1 + p8 p |
|
|
|
" |
2 |
||||||||||
x(t) = |
e2 t 1 |
: |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R36: Степенное уравнение
dx = m2 2 x2k 1 dt + xk W:
Если m и k целые числа, то уравнение для средних:
|
x_n |
= |
n(n m 1) 2 |
|
|
xn+2k 2 |
|
||
|
m |
|
|
|
|
|
|
|
|
ïðè n = m + 1: x |
|
2 |
|
|
|||||
|
|
|
|
|
|
|
|||
+1 |
|
m+1 |
|
= x0): |
|||||
|
= x0 . Например, ( |
dx = 2 x3 dt + x2 W dx = 2 2 x3 dt + x2 W dx = 3 2 x3 dt + x2 W
=> |
hxi |
= x0 |
1 |
2 2 t + 3 4 t2 |
|
|
|
|
=> |
x |
= x0 |
1 |
|
2 t |
|
|
|
=> |
hxi |
= x0 |
1 |
|
3 2 t + 9 4 t2 |
15 6 t3 |
|
|
|
h i |
|
|
|
|
|
|
Квадратичная волатильность x2 слишком сильная, и решение не удерживается у равновесного в детерминированном случае уровня x = 0.
276
R37: Деформация винеровского процесса
Для дифференцируемой функции G(x) (штрих производная по x):
|
1 |
|
2 |
1 |
0 |
|
|
|
||
dx = |
|
+ |
|
|
|
|
dt + |
|
|
W: |
G0(x) |
2 |
G0(x) |
G0(x) |
p
Решение c x0 = x(0), Wt = " t:
G(x) = G(x0) + t + Wt:
Решения в R38 R43 получаются или при помощи алгоритма со стр. 57, или при соответствующем выборе функции G(x).
R38: Степенные снос и волатильность с 6= 1
dx = h x + 2 2 x2 1i dt + x W:
p
Решение с x0 = x(0), Wt = " t:
x(t) = x10 + (1 ) ( t + Wt) 1=(1 ) :
В частности:
dx = 3 x1=3 dt + 3 x2=3 W:
имеет решение:
x(t) = hx01=3 + Wti |
3 |
: |
и средние ( = t=x20=3):
x |
= x0 1 + 3 |
+ 378 |
|
+ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
= |
0 |
1 + 36 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
x2 |
|
= x02 |
1 + 15 + 45 2 |
+ 15 3 |
|
|
+ |
|
|
|
|
|
|
|
|
|||||
x3 |
= |
0 |
1 + 66 |
+ 1485 |
|
|
+ 13860 |
|
|
|
|
|
|
|
|||||||
|
x4 |
|
|
x4 |
|
|
2 |
|
|
2 |
3 |
|
|
|
3 |
|
4 |
|
|
||
|
|
|
|
|
|
x |
51975 4 + 62370 5 |
+ 10395 6 |
: |
|
|||||||||||
Ïðè x0 = 1 è t = 1: |
x = 4, |
= 76, |
x = 2620, |
x |
|
= 140152. |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R39: Квадрат винеровского блуждания
p p
dx = (2 x + 2) dt + 2 x W:
Решение
x = (x10=2 + t + Wt)2:
R: Стохастический справочник |
277 |
R40: Снос, пропорциональный волатильности
dx = ( 2 x) ( 2 x2) dt + ( 2 x2) W:
p
Решение с x0 = x(0), Wt = " t:
x = th ath x0 + ( t + Wt) ;
где ath гиперболический арктангенс.
R41: Снос, пропорциональный волатильности-2
dx = ( + 2 x) ( 2 + x2) dt + ( 2 + x2) W:
p
Решение с x0 = x(0), Wt = " t:
x = tg arctg + ( t + Wt) ;
R42: Cèíóñ
p p
dx = 2 x2 x dt + 2 x2 W:
p
Решение с x0 = x(0), Wt = " t:
x = sin arcsin + ( t + Wt) ;
R43: Гиперболический синус
|
|
|
|
|
|
2 |
|
|
||
|
|
|
|
|
|
|||||
dx = p 2 + x2 + |
|
|
x dt + p 2 + x2 W: |
|||||||
2 |
||||||||||
Решение с x0 = x(0), Wt = "p |
|
: |
|
|
|
|
|
|
||
t |
|
|
|
|
|
|
||||
|
|
|
|
|
x |
|||||
x = sh ash |
0 |
+ ( t + Wt) ; |
||||||||
|
где ash(x)-гиперболический арксинус.
278
R44: Асимптотический Коши |
|
|
|
|||
Среднее значение и дисперсия: |
p |
|
|
|
|
|
|
+ |
x2 W: |
||||
|
dx = |
2 |
|
|||
x = x0; |
x2(t) = ( 2 + x02) e 2 t 1 : |
При t ! 1 плотность вероятности стремится к распределению Коши:
= P (x) = 2 + x2 :