Difusão Itô - Itô diffusion
Em matemática - especificamente, na análise estocástica - uma difusão Itô é uma solução para um tipo específico de equação diferencial estocástica . Essa equação é semelhante à equação de Langevin usada em física para descrever o movimento browniano de uma partícula submetida a um potencial em um fluido viscoso . As difusões de Itô têm o nome do matemático japonês Kiyosi Itô .
Visão geral
A difusão Itô ( homogênea no tempo ) no espaço euclidiano n- dimensional R n é um processo X : [0, + ∞) × Ω → R n definido em um espaço de probabilidade (Ω, Σ, P ) e satisfazendo uma equação diferencial estocástica do formulário
onde B é uma m -dimensional movimento Browniano e b : R n → R n e σ: R n → R n × m satisfazer o habitual continuidade Lipschitz condição
para alguma constante C e todo x , y ∈ R n ; esta condição garante a existência de uma única solução forte X para a equação diferencial estocástica dada acima. O campo vetorial b é conhecido como coeficiente de deriva de X ; o campo da matriz σ é conhecido como o coeficiente de difusão de X . É importante notar que b e σ não dependem do tempo; se dependessem do tempo, X seria referido apenas como um processo Itô , não uma difusão. As difusões Itô têm uma série de propriedades interessantes, que incluem
- amostra e continuidade de Feller ;
- a propriedade Markov ;
- a forte propriedade de Markov ;
- a existência de um gerador infinitesimal ;
- a existência de um operador característico ;
- Fórmula de Dynkin .
Em particular, uma difusão Itô é um processo contínuo, fortemente markoviano, de tal forma que o domínio de seu operador característico inclui todas as funções diferenciáveis duas vezes continuamente , portanto, é uma difusão no sentido definido por Dynkin (1965).
Continuidade
Continuidade da amostra
Uma difusão Itô X é um processo amostral contínuo , ou seja, para quase todas as realizações B t (ω) do ruído, X t (ω) é uma função contínua do parâmetro de tempo, t . Mais precisamente, existe uma "versão contínua" de X , um processo contínuo Y para que
Isso decorre da existência padrão e teoria da unicidade para soluções fortes de equações diferenciais estocásticas.
Continuidade de Feller
Além de ser (amostra) contínua, uma difusão Itô X satisfaz o requisito mais forte de ser um processo contínuo de Feller .
Para um ponto x ∈ R n , deixar P x denotam o direito de X dado dado inicial X 0 = x , e deixe E x denotam expectativa com respeito ao P x .
Seja f : R n → R um Borel - função mensurável que é limitada abaixo e defina, para t fixo ≥ 0, u : R n → R por
- Semicontinuidade inferior : se f é semicontínuo inferior, então u é semicontínuo inferior.
- Continuidade de Feller: se f é limitado e contínuo, então u é contínuo.
O comportamento da função u acima quando o tempo t é variado é abordado pela equação retroativa de Kolmogorov, a equação de Fokker-Planck, etc. (Veja abaixo.)
A propriedade Markov
A propriedade Markov
Uma difusão Itô X tem a importante propriedade de ser markoviana : o comportamento futuro de X , dado o que aconteceu até algum tempo t , é o mesmo como se o processo tivesse sido iniciado na posição X t no tempo 0. A matemática precisa formulação desta declaração requer alguma notação adicional:
Deixe Σ ∗ denotar a filtração natural de (Ω, Σ) gerada pelo movimento browniano B : para t ≥ 0,
É fácil mostrar que X está adaptado a Σ ∗ (ou seja, cada X t é Σ t -mensurável), então a filtração natural F ∗ = F ∗ X de (Ω, Σ) gerada por X tem F t ⊆ Σ t para cada t ≥ 0.
Seja f : R n → R uma função limitada, mensurável por Borel. Então, para todo t e h ≥ 0, a expectativa condicional condicionada na σ-álgebra Σ t e a expectativa do processo "reiniciado" de X t satisfazem a propriedade de Markov :
Na verdade, X também é um processo de Markov com relação à filtração F ∗ , como mostra o seguinte:
A forte propriedade de Markov
A propriedade Markov forte é uma generalização da propriedade Markov acima na qual t é substituído por um tempo aleatório adequado τ: Ω → [0, + ∞] conhecido como tempo de parada . Assim, por exemplo, em vez de "reiniciar" o processo X no tempo t = 1, pode-se "reiniciar" sempre que X primeiro atingir algum ponto especificado p de R n .
Como antes, seja f : R n → R uma função limitada, mensurável por Borel. Seja τ um tempo de parada em relação à filtração Σ ∗ com τ <+ ∞ quase certo . Então, para todo h ≥ 0,
O gerador
Definição
Associado a cada difusão Itô, existe um operador diferencial parcial de segunda ordem conhecido como gerador da difusão. O gerador é muito útil em muitas aplicações e codifica uma grande quantidade de informações sobre o processo X . Formalmente, o gerador infinitesimal de uma difusão Itô X é o operador A , que é definido para atuar sobre funções adequadas f : R n → R por
O conjunto de todas as funções f para as quais existe esse limite em um ponto x é denotado por D A ( x ), enquanto D A denota o conjunto de todas as f para as quais existe o limite para todo x ∈ R n . Pode-se mostrar que qualquer compactamente-suportado C 2 função (duas vezes com diferenciável segunda derivada contínua) f encontra-se em D A e que
ou, em termos de gradiente e escalar e produtos internos Frobenius ,
Um exemplo
O gerador A para o movimento browniano n- dimensional padrão B , que satisfaz a equação diferencial estocástica d X t = d B t , é dado por
- ,
ou seja, A = Δ / 2, onde Δ denota o operador de Laplace .
As equações de Kolmogorov e Fokker-Planck
O gerador é usado na formulação da equação retroativa de Kolmogorov. Intuitivamente, essa equação nos diz como o valor esperado de qualquer estatística adequadamente suave de X evolui no tempo: ela deve resolver uma certa equação diferencial parcial na qual o tempo t e a posição inicial x são as variáveis independentes. Mais precisamente, se f ∈ C 2 ( R n ; R ) tem suporte compacto e u : [0, + ∞) × R n → R é definido por
então u ( t , x ) é diferenciável em relação a t , u ( t , ·) ∈ D A para todo t e u satisfaz a seguinte equação diferencial parcial , conhecida como equação retroativa de Kolmogorov :
A equação de Fokker-Planck (também conhecida como equação progressiva de Kolmogorov ) é, em certo sentido, a " adjunta " da equação retroativa e nos diz como as funções de densidade de probabilidade de X t evoluem com o tempo t . Seja ρ ( t , ·) a densidade de X t em relação à medida de Lebesgue em R n , ou seja, para qualquer conjunto mensurável de Borel S ⊆ R n ,
Seja A ∗ o adjunto Hermitiano de A (em relação ao produto interno L 2 ). Então, dado que a posição inicial X 0 tem uma densidade prescrita ρ 0 , ρ ( t , x ) é diferenciável em relação a t , ρ ( t , ·) ∈ D A * para todo t , e ρ satisfaz a seguinte diferencial parcial equação, conhecida como equação de Fokker-Planck :
A fórmula de Feynman-Kac
A fórmula de Feynman-Kac é uma generalização útil da equação retroativa de Kolmogorov. Novamente, f está em C 2 ( R n ; R ) e tem suporte compacto, e q : R n → R é considerado uma função contínua que é limitada abaixo. Defina uma função v : [0, + ∞) × R n → R por
A fórmula de Feynman-Kac afirma que v satisfaz a equação diferencial parcial
Além disso, se w : [0, + ∞) × R n → R é C 1 no tempo, C 2 no espaço, limitado em K × R n para todos os K compactos , e satisfaz a equação diferencial parcial acima, então w deve ser v conforme definido acima.
A equação retroativa de Kolmogorov é o caso especial da fórmula de Feynman – Kac na qual q ( x ) = 0 para todo x ∈ R n .
O operador característico
Definição
O operador característico de uma difusão Itô X é um operador diferencial parcial intimamente relacionado ao gerador, mas um tanto mais geral. É mais adequado para certos problemas, por exemplo, na solução do problema de Dirichlet .
O operador característico de uma difusão Itô X é definido por
onde os conjuntos U formam uma sequência de conjuntos abertos U k que diminuem até o ponto x no sentido de que
e
É a primeira vez sair do U para X . denota o conjunto de todos os f para os quais este limite existe para todos os x ∈ R n e todas as sequências { U k }. Se E x [τ U ] = + ∞ para todos os conjuntos abertos U contendo x , defina
Relacionamento com o gerador
O operador característico e o gerador infinitesimal estão intimamente relacionados e até concordam para uma grande classe de funções. Pode-se mostrar que
e essa
Em particular, o gerador e o operador de característica concordam para todas as funções C 2 f , caso em que
Aplicação: Movimento browniano em uma variedade Riemanniana
Acima, o gerador (e, portanto, o operador característico) do movimento browniano em R n foi calculado como sendo ½Δ, onde Δ denota o operador de Laplace. O operador característico é útil para definir o movimento browniano em uma variedade Riemanniana m- dimensional ( M , g ): um movimento browniano em M é definido como uma difusão em M cujo operador característico em coordenadas locais x i , 1 ≤ i ≤ m , é dado por ½Δ LB , onde Δ LB é o operador Laplace-Beltrami dado em coordenadas locais por
onde [ g ij ] = [ g ij ] −1 no sentido do inverso de uma matriz quadrada .
O operador resolvente
Em geral, o gerador A de uma difusão Itô X não é um operador limitado . No entanto, se um múltiplo positivo do operador de identidade I é subtraído de A, então o operador resultante é invertível. O inverso deste operador pode ser expresso em termos do próprio X usando o operador resolvente .
Para α> 0, o operador resolvente R α , atuando nas funções limitadas e contínuas g : R n → R , é definido por
Pode-se mostrar, usando a continuidade de Feller da difusão X , que R α g é ele próprio uma função limitada e contínua. Além disso, R α e α I - A são operadores mutuamente inversos:
- se f : R n → R é C 2 com suporte compacto, então, para todo α> 0,
- se g : R n → R é limitado e contínuo, então R α g encontra-se em D A e, para todo α> 0,
Medidas invariantes
Às vezes é necessário encontrar uma medida invariante para uma difusão de Itô X , ou seja, uma medida em R n que não muda sob o "fluxo" de X : ou seja, se X 0 é distribuído de acordo com tal medida invariante μ ∞ , então X t também é distribuído de acordo com μ ∞ para qualquer t ≥ 0. A equação de Fokker-Planck oferece uma maneira de encontrar tal medida, pelo menos se ela tiver uma função de densidade de probabilidade ρ ∞ : se X 0 for de fato distribuído de acordo com um medida invariante μ ∞ com densidade ρ ∞ , então a densidade ρ ( t , ·) de X t não muda com t , então ρ ( t , ·) = ρ ∞ , e então ρ ∞ deve resolver o (independente do tempo) Equação diferencial parcial
Isso ilustra uma das conexões entre a análise estocástica e o estudo de equações diferenciais parciais. Por outro lado, uma dada equação diferencial parcial linear de segunda ordem da forma Λ f = 0 pode ser difícil de resolver diretamente, mas se Λ = A ∗ para alguma difusão de Itô X , e uma medida invariante para X é fácil de calcular, então isso a densidade da medida fornece uma solução para a equação diferencial parcial.
Medidas invariantes para fluxos gradientes
Uma medida invariável é comparativamente fácil de calcular quando o processo X é um fluxo gradiente estocástico do formulário
onde β> 0 desempenha o papel de uma temperatura inversa e Ψ: R n → R é um potencial escalar que satisfaz as condições de suavidade e crescimento adequadas. Neste caso, a equação de Fokker-Planck tem uma solução estacionária única ρ ∞ (ou seja, X tem uma medida invariante única μ ∞ com densidade ρ ∞ ) e é dada pela distribuição de Gibbs :
onde a função de partição Z é dada por
Além disso, a densidade ρ ∞ satisfaz um princípio variacional : ela minimiza sobre todas as densidades de probabilidade ρ em R n o funcional de energia livre F dado por
Onde
desempenha o papel de um funcional de energia, e
é o negativo da entropia funcional de Gibbs-Boltzmann. Mesmo quando o potencial Ψ não é bem comportado o suficiente para a função de partição Z e a medida de Gibbs μ ∞ ser definida, a energia livre F [ρ ( t , ·)] ainda faz sentido para cada tempo t ≥ 0, desde que a condição inicial tem F [ρ (0, ·)] <+ ∞. O funcional de energia livre F é, de fato, uma função de Lyapunov para a equação de Fokker-Planck: F [ρ ( t , ·)] deve diminuir à medida que t aumenta. Assim, F é uma função H para a dinâmica do X.
Exemplo
Considere o processo de Ornstein-Uhlenbeck X em R n satisfazendo a equação diferencial estocástica
onde m ∈ R n e β, κ> 0 são constantes dadas. Neste caso, o potencial Ψ é dado por
e assim a medida invariante para X é uma medida gaussiana com densidade ρ ∞ dada por
- .
Heuristicamente, para grande t , X t é aproximadamente normalmente distribuído com média m e variância (βκ) -1 . A expressão para a variância pode ser interpretada da seguinte forma: grandes valores de κ significam que o poço potencial Ψ tem "lados muito íngremes", então é improvável que X t se mova para longe do mínimo de Ψ em m ; da mesma forma, grandes valores de β significam que o sistema está bastante "frio" com pouco ruído, então, novamente, é improvável que X t se afaste de m .
A propriedade martingale
Em geral, uma difusão X Itô não é um martingale . No entanto, para qualquer f ∈ C 2 ( R n ; R ) com suporte compacto, o processo M : [0, + ∞) × Ω → R definido por
onde A é o gerador de X , é um martingala com respeito à filtragem natural F * de (Ω, Σ) por X . A prova é bastante simples: segue-se da expressão usual da ação do gerador em funções suaves f e do lema de Itô (a regra da cadeia estocástica ) que
Uma vez que os integrais de Itô são martingales com relação à filtração natural Σ ∗ de (Ω, Σ) por B , para t > s ,
Portanto, conforme necessário,
uma vez que M s é F s -mensurável.
Fórmula de Dynkin
A fórmula de Dynkin, nomeada em homenagem a Eugene Dynkin , fornece o valor esperado de qualquer estatística adequadamente suave de uma difusão X de Itô (com gerador A ) em um tempo de parada. Precisamente, se τ é um tempo de parada com E x [τ] <+ ∞, e f : R n → R é C 2 com suporte compacto, então
A fórmula de Dynkin pode ser usada para calcular muitas estatísticas úteis de tempos de parada. Por exemplo, o movimento browniano canônico na linha real começando em 0 sai do intervalo (- R , + R ) em um tempo aleatório τ R com valor esperado
A fórmula de Dynkin fornece informações sobre o comportamento de X em um tempo de parada bastante geral. Para obter mais informações sobre a distribuição de X em um momento de acerto , pode-se estudar a medida harmônica do processo.
Medidas associadas
A medida harmônica
Em muitas situações, é suficiente saber quando uma difusão Itô X deixará pela primeira vez um conjunto mensurável H ⊆ R n . Ou seja, deseja-se estudar o primeiro tempo de saída
Às vezes, porém, também se deseja saber a distribuição dos pontos em que X sai do conjunto. Por exemplo, o movimento browniano canônico B na linha real começando em 0 sai do intervalo (−1, 1) em −1 com probabilidade ½ e em 1 com probabilidade ½, então B τ (−1, 1) é uniformemente distribuído no defina {-1, 1}.
Em geral, se G está compactamente incorporado dentro de R n , então a medida harmônica (ou distribuição de acerto ) de X no limite ∂ G de G é a medida μ G x definida por
para x ∈ G e F ⊆ ∂ L .
Voltando ao exemplo anterior de movimento browniano, pode-se mostrar que se B é um movimento browniano em R n começando em x ∈ R n e D ⊂ R n é uma bola aberta centrada em x , então a medida harmônica de B em ∂ D é invariante em todas as rotações de D cerca de x e coincide com o normalizada medida de superfície no ∂ D .
A medida harmônica satisfaz uma propriedade de valor médio interessante : se f : R n → R é qualquer limitado, função mensurável de Borel e φ é dado por
então, para todos os conjuntos de Borel G ⊂⊂ H e todos os x ∈ G ,
A propriedade do valor médio é muito útil na solução de equações diferenciais parciais usando processos estocásticos .
A medida verde e a fórmula verde
Seja A um operador diferencial parcial em um domínio D ⊆ R n e seja X uma difusão Itô com A como seu gerador. Intuitivamente, a medida de um verde Borel definido H é o comprimento de tempo esperado que X estadias em H antes de deixar o domínio D . Ou seja, a medida de Green de X em relação a D em x , denotada G ( x , ·), é definida para conjuntos de Borel H ⊆ R n por
ou para funções contínuas limitadas f : D → R por
O nome "medida verde" vem do fato de que se X é um movimento browniano, então
onde G ( x , y ) é a função do verde para o ½Δ operador no domínio D .
Suponhamos que E x [τ D ] <+ ∞ para todos os x ∈ D . Então, a fórmula de Green vale para todo f ∈ C 2 ( R n ; R ) com suporte compacto:
Em particular, se o suporte de f for compactamente incorporado em D ,
Veja também
Referências
- Dynkin, Eugene B .; trans. J. Fabius; V. Greenberg; A. Maitra; G. Majone (1965). Processos de Markov. Vols. I, II . Die Grundlehren der Mathematischen Wissenschaften, Bände 121. Nova York: Academic Press Inc. MR 0193671
- Jordan, Richard; Kinderlehrer, David; Otto, Felix (1998). "A formulação variacional da equação de Fokker-Planck". SIAM J. Math. Anal . 29 (1): 1–17 (eletrônico). CiteSeerX 10.1.1.6.8815 . doi : 10.1137 / S0036141096303359 . MR 1617171
- Øksendal, Bernt K. (2003). Equações diferenciais estocásticas: uma introdução com aplicações (sexta ed.). Berlim: Springer. ISBN 3-540-04758-1. MR 2001996 (Ver Seções 7, 8 e 9)