SDGL

SDGL

Der Begriff der stochastischen Differentialgleichung (Abkürzung SDGL oder englisch SDE für stochastic differential equation) verallgemeinert den Begriff der gewöhnlichen Differentialgleichung auf stochastische Prozesse. Schon allein die mathematische Formulierung des Problems stellte die Mathematiker vor große Probleme (siehe unten), und so wurde die formale Theorie der stochastischen Differentialgleichungen erst in den 1940er Jahren durch den japanischen Mathematiker Itō Kiyoshi formuliert. Gemeinsam mit der stochastischen Integration begründet die Theorie der stochastischen Differentialgleichungen die stochastische Analysis.

Stochastische Differentialgleichungen werden auf verschiedenen Feldern der mathematischen Modellierung verwendet, um gewöhnliche (d.h. deterministische, vorhersehbare) Prozesse zu simulieren, die zusätzlich von außen durch stochastische Störfaktoren (Rauschen) beeinflusst werden.

Inhaltsverzeichnis

Von der Differential- zur Integralgleichung

Genau wie bei deterministischen Funktionen möchte man auch bei stochastischen Prozessen den Zusammenhang zwischen dem Wert der Funktion und ihrem zukünftigen Verlauf (ihrer Ableitung) in einer Gleichung formulieren. Was im einen Fall zu einer gewöhnlichen Differentialgleichung führt, ist im anderen Fall problematisch, da Itô-Prozesse im Allgemeinen nirgends differenzierbar (ableitbar) sind.

Jedoch lässt sich eine (autonome) Differentialgleichung

\frac{{\rm d}y(t)}{{\rm d}t} = f(y(t))

immer auch äquivalent als Integralgleichung

 y(t) = y(t_0) + \int_{t_0}^t f(y(\tau)){\rm d}\tau

schreiben, die ohne explizite Erwähnung der Ableitung auskommt. Bei der stochastischen Differentialgleichung geht man nun den umgekehrten Weg, d.h., man erklärt eine Differentialgleichung anhand der dazugehörigen Integralgleichung.

Die Formulierung

Seien zwei Funktionen a,b:\mathbb{R} \times \mathbb{R}_{+} \to \mathbb{R} sowie eine brownsche Bewegung  (W_t), \; t \ge 0 gegeben. Die dazugehörige stochastische Integralgleichung

 X_t=X_0 + \int_0^t a(X_\tau,\tau) \,{\rm d}\tau + \int_0^t b(X_\tau,\tau)\,{\rm d}W_\tau

wird durch Einführung der Differentialschreibweise

 {\rm d} X_t=a(X_t,t)\,{\rm d}t+b(X_t,t)\,{\rm d}W_t

zur stochastischen Differentialgleichung. Das erste Integral ist als Lebesgue-Integral und das zweite als Itô-Integral zu lesen. Zu gegebenen Funktionen a und b (auch als Drift und Diffusion bezeichnet) und einer speziellen brownschen Bewegung W wird hier also ein Prozess X gesucht, der zusammen mit a, b und W die obige Integralgleichung erfüllt. Dieser Prozess ist dann eine Lösung der obigen SDE.

Existenz und Eindeutigkeit

Ist A eine beliebige, auf demselben Wahrscheinlichkeitsraum wie W definierte Zufallsvariable, so wird aus der obigen SDGL durch Hinzufügen der Bedingung X0 = A f.s. ein stochastisches Anfangswertproblem als Pendant zum Anfangswertproblem für gewöhnliche Differentialgleichungen.

Auch zum Existenz- und Eindeutigkeitssatz von Picard und Lindelöf findet sich hier eine Entsprechung: wenn die folgenden zwei Eigenschaften erfüllt sind:

Dann besitzt das Anfangswertproblem eine (bis auf fast sichere Gleichheit) eindeutige Lösung X, die zudem zu jedem Zeitpunkt t endliche Varianz besitzt.

Beispiele

Lösen von stochastischen Differentialgleichungen und Simulation der Lösungen

Genau wie bei deterministischen gibt es auch bei stochastischen Differentialgleichungen keinen allgemeinen Ansatz zur Ermittlung der Lösung. In manchen Fällen (wie bei der oben erwähnten Black-Scholes-SDE, deren Lösung eine geometrische brownsche Bewegung ist) ist es auch hier möglich, die Lösung zu „erraten“ und durch Ableiten zu verifizieren (wobei das Differenzieren hier mit Hilfe des Lemmas von Itō erfolgt).

In den meisten Fällen, die in der Praxis auftauchen, wie zum Beispiel auch im Fall des Wurzel-Diffusionsprozesses, ist jedoch keine geschlossene Form der Lösung zu erreichen. Doch ist man zumeist auch nur daran interessiert, Zufallspfade der entsprechenden Lösung zu simulieren. Dies kann approximativ durch numerische Diskretisierungsvefahren erreicht werden, etwa durch das Euler-Maruyama-Schema (das dem expliziten Euler-Verfahren für gewöhnliche Differentialgleichungen nachempfunden ist) oder das Milstein-Verfahren.


Wikimedia Foundation.

Игры ⚽ Поможем написать курсовую

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Liste stochastischer Prozesse — Der Wert der folgenden Auflistung liegt in der Einordnung der Prozesse in die verschiedenen Kategorien von Prozessen. Außerdem soll eine umfangreiche Übersicht über die stochastischen Differentialgleichungen (SDGL) der verschiedenen Prozesse und… …   Deutsch Wikipedia

  • Milstein-Verfahren — Das Milstein Verfahren der stochastischen Analysis bezeichnet eine Methode für die numerische Lösung von stochastischen Differentialgleichungen (SDGL), benannt nach dem russischen Mathematiker Grigori Noichowitsch Milstein (Staatliche Gorki… …   Deutsch Wikipedia

  • Stochastische Differentialgleichung — Der Begriff der stochastischen Differentialgleichung (Abkürzung SDGL oder englisch SDE für stochastic differential equation) verallgemeinert den Begriff der gewöhnlichen Differentialgleichung auf stochastische Prozesse. Schon allein die… …   Deutsch Wikipedia

  • Joseph Vebret — Pour les articles homonymes, voir Vebret. Joseph Vebret Activités Écrivain, Critique littéraire …   Wikipédia en Français

  • Lemy Lemane Coco — Lémy Lémane Coco Lémy Lémane Coco (né le 5 juillet 1951 à Morne à l Eau, Guadeloupe dans une famille de huit enfants) est un écrivain français. À l âge de 18 ans, il quitte son île pour rejoindre Paris, où il poursuit ses études. Cadre supérieur …   Wikipédia en Français

  • Lémy Lémane Coco — au Salon du livre de Paris (2010) Activités écrivain confé …   Wikipédia en Français

  • Suzanne Bernard (écrivain) —  Ne doit pas être confondu avec Suzanne Bernard. Suzanne Bernard est une écrivaine et critique littéraire québécoise. En 1959, elle soutient une thèse sur le sujet du poème en prose, publiée sous le titre : Le Poème en prose de… …   Wikipédia en Français

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”