後退確率微分方程式

同義語:BSDEbackward stochastic differential equation

概要

後退確率微分方程式(backward stochastic differential equation)とは、終わりの時刻の値 $\xi$ を与え、$Y_t=\xi+\int_t^Tf(s,Y_s,Z_s)\,ds-\int_t^TZ_s\,dW_s$ を満たす適合過程の組 $(Y,Z)$ を求める方程式で、$W$ は Brown 運動、$f$ は生成元である。終わりの値から過去へ解くが、適合性を保つために、マルチンゲール表現定理で得られる過程 $Z$ を同時に求める。フィルトレーションが $W$ で生成され、$\xi$ と $f(t,0,0)$ が 2 乗可積分で $f$ が Lipschitz 連続なら解はただ 1 つあり、線形の場合は解が条件付き期待値で書ける。複製の価格、確率最適制御の随伴方程式、半線形の放物型方程式の確率表示に使う。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: マルチンゲール表現定理, 伊藤積分, 条件付き期待値

後退確率微分方程式(backward stochastic differential equation, BSDE)は、終わりの時刻 $T$ の値 $\xi$ を与えて
$$ Y_t=\xi+\int_t^Tf(s,Y_s,Z_s)\,ds-\int_t^TZ_s\,dW_s\qquad(0\le t\le T) $$
を満たす 適合した 過程の組 $(Y,Z)$ を求める方程式である。$W$ は Brown 運動、$f$ は 生成元(driver)と呼ばれる関数である。確率微分方程式 が初期値から未来へ解くのに対し、後退確率微分方程式は終わりの値から過去へ解く。
なぜ未知の過程 $Z$ が要るのかを、$f=0$、$\xi=W_T$ の場合で見る。常微分方程式のように $Y_t=\xi$ と置くと、$Y_t=W_T$ は時刻 $t$ では分からない値で、適合していない。適合した過程で終わりの値 $W_T$ に達するには、時刻 $t$ で分かる最良の予測 $Y_t=\mathbb{E}[W_T\mid\mathcal F_t]=W_t$ をとり、予測の修正を $\int Z\,dW$(ここでは $Z=1$)で書き込むしかない。$Z$ は、適合性を保つために方程式が自分で選ぶ過程である。$Z$ の存在を保証するのが マルチンゲール表現定理 である。
後退確率微分方程式は、数理ファイナンスの複製の価格と戦略($Y$ が価格、$Z$ が戦略に対応する)、確率最適制御 の確率的な最大原理の随伴方程式、半線形の放物型偏微分方程式の確率表示(非線形の Feynman–Kacの公式)に現れる。この記事では、生成元が Lipschitz 連続な場合の解の存在と一意性を完全に証明し、線形の方程式の解の公式、比較定理、偏微分方程式との関係を示す。

定義と使える条件

$T>0$ を固定し、$W$ を 1 次元の標準 Brown 運動、$(\mathcal F_t)$ を $W$ と確率 $0$ の事象が生成するフィルトレーション(マルチンゲール表現定理 の設定と同じ)とする。2 つの空間を使う。

  • $\mathcal S^2$:道が連続な適合過程 $Y$ で $\mathbb{E}\sup_{0\le t\le T}|Y_t|^2< \infty$ のもの。
  • $\mathcal H^2$:発展的可測な過程 $Z$ で $\mathbb{E}\int_0^T|Z_t|^2dt< \infty$ のもの。
後退確率微分方程式とその解

$\xi$ を $\mathcal F_T$-可測な実数値の確率変数、$f\colon\Omega\times[0,T]\times\mathbb{R}\times\mathbb{R}\to\mathbb{R}$ を、各 $(y,z)$ で $(\omega,t)\mapsto f(\omega,t,y,z)$ が発展的可測なものとする。$(Y,Z)\in\mathcal S^2\times\mathcal H^2$ が、各 $t\in[0,T]$ で確率 $1$ で
$$ Y_t=\xi+\int_t^Tf(s,Y_s,Z_s)\,ds-\int_t^TZ_s\,dW_s $$
を満たし、右辺の $ds$ の積分が確率 $1$ で絶対収束するとき、$(Y,Z)$ を 終端条件 $\xi$、生成元 $f$ の後退確率微分方程式の解 という。微分の形で $dY_t=-f(t,Y_t,Z_t)\,dt+Z_t\,dW_t$、$Y_T=\xi$ とも書く。

$\omega$ を略して $f(s,y,z)$ と書く。2 つの解が「等しい」とは、$Y$ が確率 $1$ で道として一致し、$Z$ が $dt\otimes P$ についてほとんどいたるところ一致することをいう。
主定理を使う条件は次の 3 つである。

  1. 終端条件:$\mathbb{E}[\xi^2]< \infty$。
  2. 生成元の可積分性:$\mathbb{E}\int_0^T|f(t,0,0)|^2dt< \infty$。
  3. Lipschitz 条件:定数 $K$ があって、すべての $(\omega,t)$、$y,y',z,z'$ で $|f(t,y,z)-f(t,y',z')|\le K(|y-y'|+|z-z'|)$。
    フィルトレーションが $W$ で生成されることも、条件の一部である(節「使える条件と反例」)。

公式の表

生成元 $f$解使える条件根拠
$0$$Y_t=\mathbb{E}[\xi\mid\mathcal F_t]$、$Z$ は $\xi$ の表現の被積分過程$\xi\in L^2$lem-bsde-given
$f_t$($y,z$ によらない)$Y_t=\mathbb{E}\bigl[\xi+\int_t^Tf_s\,ds\bigm\vert\mathcal F_t\bigr]$$\xi\in L^2$、$f\in\mathcal H^2$lem-bsde-given
Lipschitz解がただ 1 つある条件 1〜3thm-bsde-main
$a_tY+b_tZ+c_t$$Y_t=\mathbb{E}\bigl[\Gamma_{t,T}\xi+\int_t^T\Gamma_{t,s}c_s\,ds\bigm\vert\mathcal F_t\bigr]$$a,b$ は有界、$c\in\mathcal H^2$prop-bsde-linear
2 つの方程式$\xi\ge\xi'$、$f\ge f'$ なら $Y\ge Y'$どちらも条件 1〜3thm-bsde-comparison
$f(t,X_t,y,z)$($X$ は拡散過程)$Y_t=u(t,X_t)$、$Z_t=\sigma u_x(t,X_t)$$u$ が半線形の放物型方程式の滑らかな解prop-bsde-pde

線形の行の $\Gamma_{t,s}:=\exp\bigl(\int_t^s(a_r-\frac12b_r^2)\,dr+\int_t^sb_r\,dW_r\bigr)$ である。

主定理と証明

生成元が未知数によらない場合

生成元が与えられた過程の場合

$\xi\in L^2(\mathcal F_T)$、$(f_t)\in\mathcal H^2$ とする。生成元 $f(t,y,z):=f_t$ の後退確率微分方程式はただ 1 つの解 $(Y,Z)$ をもち、$Y_t=\mathbb{E}\bigl[\xi+\int_t^Tf_s\,ds\bigm|\mathcal F_t\bigr]$ である。

マルチンゲールを表現する

存在:$\Xi:=\xi+\int_0^Tf_s\,ds$ は、Cauchy–Schwarz の不等式 $\bigl(\int_0^T|f_s|\,ds\bigr)^2\le T\int_0^T|f_s|^2ds$ により 2 乗可積分である。$M_t:=\mathbb{E}[\Xi\mid\mathcal F_t]$ は 2 乗可積分なマルチンゲールなので、マルチンゲール表現定理 の系「2 乗可積分なマルチンゲールの表現」により $Z\in\mathcal H^2$ があって $M_t=M_0+\int_0^tZ_s\,dW_s$ で、$M$ は道が連続な版をもつ。$Y_t:=M_t-\int_0^tf_s\,ds$ とおくと、$Y$ は道が連続な適合過程で
$$ Y_t=M_T-\int_t^TZ_s\,dW_s-\int_0^tf_s\,ds=\xi+\int_t^Tf_s\,ds-\int_t^TZ_s\,dW_s $$
である($M_T=\Xi$ を使った)。Doobの不等式 から $\mathbb{E}\sup|M_t|^2\le4\mathbb{E}[\Xi^2]$ で、$\sup_t|\int_0^tf\,ds|\le\int_0^T|f|\,ds$ なので $Y\in\mathcal S^2$ である。
一意性:$(Y,Z)$ を解とする。$Z\in\mathcal H^2$ なので $\int_0^tZ\,dW$ はマルチンゲールで、$\mathbb{E}\bigl[\int_t^TZ\,dW\bigm|\mathcal F_t\bigr]=0$ である。方程式の条件付き期待値をとると $Y_t=\mathbb{E}\bigl[\xi+\int_t^Tf_s\,ds\bigm|\mathcal F_t\bigr]$ で、$Y$ は決まる。2 つの解の $Z,Z'$ については $\int_0^t(Z-Z')\,dW=0$(すべての $t$)なので、伊藤の等長性から $\mathbb{E}\int_0^T|Z-Z'|^2dt=0$ である。$\square$

主定理:Lipschitz な生成元

解の存在と一意性

条件 1〜3 のもとで、後退確率微分方程式はただ 1 つの解 $(Y,Z)\in\mathcal S^2\times\mathcal H^2$ をもつ。

重みつきのノルムで縮小写像を作る

$\beta>0$ として、$\mathcal B:=\{(U,V):U,V$ は発展的可測で $\mathbb{E}\int_0^T(|U_t|^2+|V_t|^2)\,dt< \infty\}$($dt\otimes P$ でほとんどいたるところ等しいものは同一視)にノルム
$$ \|(U,V)\|_\beta^2:=\mathbb{E}\int_0^Te^{\beta t}\bigl(|U_t|^2+|V_t|^2\bigr)\,dt $$
を入れる。$1\le e^{\beta t}\le e^{\beta T}$ なので、これは $\beta=0$ のノルムと同値で、$\mathcal B$ は完備である($[0,T]\times\Omega$ の上の $L^2$ 空間)。
写像:$(U,V)\in\mathcal B$ について $f_t:=f(t,U_t,V_t)$ とおく。条件 3 から $|f_t|\le|f(t,0,0)|+K(|U_t|+|V_t|)$ なので、条件 2 と合わせて $(f_t)\in\mathcal H^2$ である。lem-bsde-given の解を $\Phi(U,V):=(Y,Z)$ とおく。$Y\in\mathcal S^2\subset\mathcal B$ なので $\Phi\colon\mathcal B\to\mathcal B$ である。方程式の解 $(Y,Z)$ は $\Phi(Y,Z)=(Y,Z)$ を満たし、逆に $\Phi$ の不動点は($Y$ を lem-bsde-given の連続な版にとれば)解である。よって、$\Phi$ がただ 1 つの不動点をもつことを示せばよい。
差の評価:$(U,V),(U',V')\in\mathcal B$ の像を $(Y,Z),(Y',Z')$ とし、$\delta Y:=Y-Y'$、$\delta Z:=Z-Z'$、$\delta f_t:=f(t,U_t,V_t)-f(t,U'_t,V'_t)$ とおく。$\delta Y_t=\int_t^T\delta f_s\,ds-\int_t^T\delta Z_s\,dW_s$、$\delta Y_T=0$ である。$e^{\beta s}|\delta Y_s|^2$ に伊藤の公式(半マルチンゲール の注意「所在と連続な場合の分解」、Mey76 IV.21。この記事では証明しない)を使うと、$d\delta Y=-\delta f\,ds+\delta Z\,dW$ と $d\langle\delta Y\rangle=|\delta Z|^2ds$ から
$$ e^{\beta t}|\delta Y_t|^2+\int_t^Te^{\beta s}\bigl(\beta|\delta Y_s|^2+|\delta Z_s|^2\bigr)ds=\int_t^T2e^{\beta s}\delta Y_s\,\delta f_s\,ds-\int_t^T2e^{\beta s}\delta Y_s\,\delta Z_s\,dW_s $$
である。最後の確率積分を $N$ とおく($N_t:=\int_0^t2e^{\beta s}\delta Y_s\delta Z_s\,dW_s$)。その 2 次変分について
$$ \mathbb{E}\bigl[\langle N\rangle_T^{1/2}\bigr]\le2e^{\beta T}\,\mathbb{E}\Bigl[\sup_s|\delta Y_s|\Bigl(\int_0^T|\delta Z_s|^2ds\Bigr)^{1/2}\Bigr]\le2e^{\beta T}\bigl(\mathbb{E}\sup_s|\delta Y_s|^2\bigr)^{1/2}\bigl(\mathbb{E}\textstyle\int_0^T|\delta Z_s|^2ds\bigr)^{1/2}< \infty $$
なので、$N$ はマルチンゲールである(Burkholder–Davis–Gundyの不等式 の系「平方関数による真のマルチンゲールの判定」)。期待値をとり、$2|\delta Y||\delta f|\le\beta|\delta Y|^2+\frac1\beta|\delta f|^2$ を使うと
$$ e^{\beta t}\mathbb{E}|\delta Y_t|^2+\mathbb{E}\int_t^Te^{\beta s}|\delta Z_s|^2ds\le\frac1\beta\,\mathbb{E}\int_0^Te^{\beta s}|\delta f_s|^2ds $$
である(左辺の $\beta|\delta Y|^2$ の項が右辺の $\beta|\delta Y|^2$ と打ち消し合った)。$t=0$ とすると $Z$ の項が、各 $t$ の $Y$ の項を $t\in[0,T]$ で積分すると $Y$ の項が評価でき、
$$ \|(\delta Y,\delta Z)\|_\beta^2\le\frac{1+T}\beta\,\mathbb{E}\int_0^Te^{\beta s}|\delta f_s|^2ds\le\frac{2K^2(1+T)}\beta\,\|(U-U',V-V')\|_\beta^2 $$
を得る。最後は $|\delta f|^2\le K^2(|\delta U|+|\delta V|)^2\le2K^2(|\delta U|^2+|\delta V|^2)$ による。
結論:$\beta:=8K^2(1+T)+1$ とすると係数は $\frac14$ 以下で、$\Phi$ は $(\mathcal B,\|\cdot\|_\beta)$ の上の縮小写像である。Banachの不動点定理 により $\Phi$ はただ 1 つの不動点をもつ。前段のとおり、これが解の存在と一意性を与える($\mathcal B$ の中で $Y$ が一致すれば、どちらの $Y$ も lem-bsde-given の条件付き期待値の式の連続な版なので、道として一致する)。$\square$

証明は 確率微分方程式 の解の存在と一意性と同じく不動点の議論だが、2 点が違う。第 1 に、1 回の反復は「与えられた生成元の方程式を解く」ことで、ここでマルチンゲール表現定理が $Z$ を作る。第 2 に、重み $e^{\beta t}$ を入れることで、$T$ や $K$ が大きくても区間を短く分けずに縮小写像が得られる。

線形の方程式と比較定理

線形の後退確率微分方程式の解の公式

$a,b$ を $|a_t|,|b_t|\le K$ の発展的可測な過程、$c\in\mathcal H^2$、$\xi\in L^2(\mathcal F_T)$ とする。生成元 $f(t,y,z)=a_ty+b_tz+c_t$ の方程式の解(thm-bsde-main によりただ 1 つある)は
$$ Y_t=\mathbb{E}\Bigl[\Gamma_{t,T}\,\xi+\int_t^T\Gamma_{t,s}\,c_s\,ds\Bigm|\mathcal F_t\Bigr],\qquad\Gamma_{t,s}:=\exp\Bigl(\int_t^s\bigl(a_r-\tfrac12b_r^2\bigr)dr+\int_t^sb_r\,dW_r\Bigr) $$
を満たす。とくに $\xi\ge0$、$c\ge0$ なら $Y\ge0$ である。

積の伊藤の公式で生成元を消す

$\Gamma_s:=\Gamma_{0,s}$ とおくと $d\Gamma=\Gamma(a\,ds+b\,dW)$ で、$\Gamma_{t,s}=\Gamma_s/\Gamma_t$ である(伊藤の公式 の指数関数の計算と同じ)。積の伊藤の公式(半マルチンゲール の注意「所在と連続な場合の分解」、Mey76 IV.21)から
$$ d(\Gamma Y)=\Gamma\bigl(-(aY+bZ+c)\,ds+Z\,dW\bigr)+Y\Gamma(a\,ds+b\,dW)+\Gamma bZ\,ds=-\Gamma c\,ds+\Gamma(Z+bY)\,dW $$
である。よって $L_s:=\Gamma_sY_s+\int_0^s\Gamma_rc_r\,dr$ は確率積分 $\int\Gamma(Z+bY)\,dW$ と定数の和である。
$L$ がマルチンゲールであることを示す。$N_s:=\int_0^sb\,dW$ とおくと $\Gamma_s\le e^{KT}e^{N_s}$ である。$\lambda\in\mathbb{R}$ について $e^{\lambda N_s-\frac{\lambda^2}2\int_0^sb^2dr}$ は伊藤の公式により非負の局所マルチンゲールなので優マルチンゲールで(局所マルチンゲール の定理「非負なら優マルチンゲール」)、$\mathbb{E}e^{\lambda N_T}\le e^{\lambda^2K^2T/2}$ である。$e^{N_s}$ は 2 乗可積分なので、マルチンゲール $N$ の凸関数として劣マルチンゲールであり、Doobの不等式 の $L^2$ の形から
$$ \mathbb{E}\sup_s\Gamma_s^2\le e^{2KT}\,\mathbb{E}\Bigl(\sup_se^{N_s}\Bigr)^2\le4e^{2KT}\,\mathbb{E}e^{2N_T}\le4e^{2KT+2K^2T}< \infty $$
である。したがって $\mathbb{E}\bigl[\bigl(\int_0^T\Gamma^2(Z+bY)^2ds\bigr)^{1/2}\bigr]\le(\mathbb{E}\sup\Gamma^2)^{1/2}\bigl(\mathbb{E}\int_0^T(Z+bY)^2ds\bigr)^{1/2}< \infty$ で、Burkholder–Davis–Gundyの不等式 の系「平方関数による真のマルチンゲールの判定」により $L$ はマルチンゲールである。$\mathbb{E}[L_T\mid\mathcal F_t]=L_t$ を $\Gamma_t>0$ で割ると主張の式になる。$\Gamma_{t,s}>0$ なので、最後の主張も従う。$\square$

比較定理

$(\xi,f)$ と $(\xi',f')$ はどちらも条件 1〜3 を満たすとし、それぞれの解を $(Y,Z)$、$(Y',Z')$ とする。確率 $1$ で $\xi\ge\xi'$、$dt\otimes P$ についてほとんどいたるところ $f(t,Y'_t,Z'_t)\ge f'(t,Y'_t,Z'_t)$ なら、確率 $1$ ですべての $t$ について $Y_t\ge Y'_t$ である。

差を線形の方程式に書く

$\delta Y:=Y-Y'$、$\delta Z:=Z-Z'$ とおき、
$$ a_t:=\frac{f(t,Y_t,Z_t)-f(t,Y'_t,Z_t)}{\delta Y_t},\qquad b_t:=\frac{f(t,Y'_t,Z_t)-f(t,Y'_t,Z'_t)}{\delta Z_t} $$
(分母が $0$ のときは $0$ と定める)、$c_t:=f(t,Y'_t,Z'_t)-f'(t,Y'_t,Z'_t)\ge0$ とおく。条件 3 から $|a|,|b|\le K$ で、どれも発展的可測である。$f(t,Y'_t,Z'_t)$ と $f'(t,Y'_t,Z'_t)$ は条件 2・3 から $\mathcal H^2$ に入るので、$c\in\mathcal H^2$ である。$f(t,Y,Z)-f'(t,Y',Z')=a\,\delta Y+b\,\delta Z+c$ なので、$(\delta Y,\delta Z)$ は終端条件 $\xi-\xi'\ge0$、生成元 $a_ty+b_tz+c_t$ の方程式の解である。prop-bsde-linear により各 $t$ で $\delta Y_t\ge0$(確率 $1$)であり、$\delta Y$ は道が連続なので、有理数の $t$ で成り立てばすべての $t$ で成り立つ。$\square$

偏微分方程式との関係

$b,\sigma\colon[0,T]\times\mathbb{R}\to\mathbb{R}$ を連続で、$x$ について $t$ によらない定数で Lipschitz 連続とし(確率微分方程式 の条件 (L))、$X$ を $dX_s=b(s,X_s)\,ds+\sigma(s,X_s)\,dW_s$、$X_0=x$ の解とする(確率微分方程式 の定理「確率微分方程式の解の存在と一意性」)。

非線形の Feynman–Kac の公式

$g\colon\mathbb{R}\to\mathbb{R}$、$f\colon[0,T]\times\mathbb{R}\times\mathbb{R}\times\mathbb{R}\to\mathbb{R}$ を連続とし、$f$ は $(y,z)$ について条件 3 を満たし、$|f(t,x,0,0)|\le C(1+|x|)$ とする。$u\in C^{1,2}([0,T]\times\mathbb{R})$ で $u$ と $\sigma\partial_xu$ が有界なものが
$$ \partial_tu+b\,\partial_xu+\tfrac12\sigma^2\partial_x^2u+f(t,x,u,\sigma\partial_xu)=0,\qquad u(T,x)=g(x) $$
を満たすとする。このとき $Y_t:=u(t,X_t)$、$Z_t:=\sigma(t,X_t)\partial_xu(t,X_t)$ は、終端条件 $g(X_T)$、生成元 $f(t,X_t,y,z)$ の方程式のただ 1 つの解で、とくに $u(0,x)=Y_0$ である。

伊藤の公式で PDE を読む

伊藤の公式(半マルチンゲール の注意「所在と連続な場合の分解」、Mey76 IV.21)により、$t$ から $T$ まで
$$ g(X_T)-u(t,X_t)=\int_t^T\bigl(\partial_tu+b\partial_xu+\tfrac12\sigma^2\partial_x^2u\bigr)(s,X_s)\,ds+\int_t^T\sigma\partial_xu(s,X_s)\,dW_s $$
で、方程式から被積分関数は $-f(s,X_s,Y_s,Z_s)$ である。整理すると $Y_t=g(X_T)+\int_t^Tf(s,X_s,Y_s,Z_s)\,ds-\int_t^TZ_s\,dW_s$ となる。$Y$ は有界で道が連続、$Z$ は有界なので $(Y,Z)\in\mathcal S^2\times\mathcal H^2$ である。生成元 $(\omega,t,y,z)\mapsto f(t,X_t(\omega),y,z)$ は条件 3 を満たし、$\mathbb{E}\sup_s|X_s|^2< \infty$(同定理)と仮定から条件 2 を満たす。$g(X_T)=Y_T$ は有界である。thm-bsde-main の一意性により、これがただ 1 つの解である。$\mathcal F_0$ は自明なので $Y_0$ は定数 $u(0,x)$ である。$\square$

$f=-r\,y$ のときは線形の Feynman–Kacの公式 で、$u(0,x)=\mathbb{E}[e^{-rT}g(X_T)]$ である。$f$ が $z$ に依存するときも、解 $u$ を期待値ではなく後退確率微分方程式の解で表せる。逆に、偏微分方程式の滑らかな解があることが分かっていれば、その値 $u(0,x)$ は $Y_0$ を数値的に計算して求められる。

計算の手順

  1. 形を見る:生成元が $y,z$ によらなければ lem-bsde-given の条件付き期待値、線形なら prop-bsde-linear の公式を使う。
  2. $Y$ を求める:条件付き期待値を計算する。Markov 性があれば $Y_t=v(t,W_t)$(または $v(t,X_t)$)の形になる。
  3. $Z$ を求める:$Y_t=v(t,X_t)$ なら $Z_t=\sigma\,\partial_xv(t,X_t)$(prop-bsde-pde の証明と同じ伊藤の公式)。一般には $Y$ の $dW$ の係数を読む。
  4. 非線形の生成元:解の形を推測して代入するか、prop-bsde-pde で偏微分方程式に移す。推測した解は方程式に代入して確かめ、$\mathcal S^2\times\mathcal H^2$ に入れば thm-bsde-main によりそれが唯一の解である。
  5. 比べる:解を直接求めなくても、thm-bsde-comparison で既知の方程式の解と大小を比べられる。

例題

終端条件が $W_T^2$ の場合

$f=0$、$\xi=W_T^2$。
使う公式:lem-bsde-given、伊藤の公式 $W_T^2-W_t^2=\int_t^T2W_s\,dW_s+(T-t)$。
答え:$\boxed{Y_t=W_t^2+(T-t),\ Z_t=2W_t}$。$T=1$ では $Y_0=1$。

途中の計算を開く

$\mathbb{E}[W_T^2\mid\mathcal F_t]=W_t^2+(T-t)$ である。伊藤の公式から $\xi-\int_t^T2W\,dW=W_T^2-(W_T^2-W_t^2-(T-t))=W_t^2+(T-t)$ なので、$Z=2W$ で方程式が成り立つ。

割り引いた価格

$f(t,y,z)=-ry$($r=0.05$)、$\xi=\max(W_T,0)$、$T=1$。
使う公式:prop-bsde-linear($a=-r$、$b=c=0$、$\Gamma_{t,s}=e^{-r(s-t)}$)。
答え:$Y_t=e^{-r(T-t)}\Bigl(W_t\Phi\bigl(\tfrac{W_t}{\sqrt{T-t}}\bigr)+\sqrt{T-t}\,\varphi\bigl(\tfrac{W_t}{\sqrt{T-t}}\bigr)\Bigr)$、$Z_t=e^{-r(T-t)}\Phi\bigl(\tfrac{W_t}{\sqrt{T-t}}\bigr)$($\Phi,\varphi$ は標準正規分布の分布関数と密度)。
$$ \boxed{Y_0=\frac{e^{-r}}{\sqrt{2\pi}}\approx0.379486} $$

途中の計算を開く

$Y_t=e^{-r(T-t)}\mathbb{E}[\max(W_T,0)\mid\mathcal F_t]$ で、$W_T=W_t+\sqrt{T-t}\,N$($N\sim N(0,1)$ は $\mathcal F_t$ と独立)とすると、$\mathbb{E}\max(m+sN,0)=m\Phi(m/s)+s\varphi(m/s)$ である。$v(t,w):=e^{-r(T-t)}(w\Phi(w/s)+s\varphi(w/s))$($s=\sqrt{T-t}$)は $\partial_wv=e^{-r(T-t)}\Phi(w/s)$ を満たす($\varphi'(u)=-u\varphi(u)$ による打ち消し)。計算の手順の 3 により $Z_t=\partial_wv(t,W_t)$ である($v$ は $t< T$ で滑らかで、$\partial_wv$ は有界)。$t=0$ では $W_0=0$ で $Y_0=e^{-r}\varphi(0)=e^{-0.05}/\sqrt{2\pi}$。

生成元 $|z|$

$f(t,y,z)=|z|$、$\xi=W_T$。
使う公式:手順 4(推測して代入)、thm-bsde-main。
答え:$\boxed{Y_t=W_t+(T-t),\ Z_t=1}$。$\xi=-W_T$ なら $Y_t=-W_t+(T-t)$。$T=1$、$t=0$ ではどちらも $Y_0=1$。

途中の計算を開く

$Z=1$ とおくと右辺は $W_T+(T-t)-(W_T-W_t)=W_t+(T-t)$ で、左辺と一致する。$\xi=-W_T$ では $Z=-1$、$|Z|=1$ で同様である。$f=|z|$ は $K=1$ の Lipschitz 条件を満たすので、これらが唯一の解である。

生成元が非線形なので、解は終端条件について線形でない:$\xi=W_T$ と $\xi=-W_T$ の解の和は $2(T-t)$ で、$\xi=0$ の解 $0$ と一致しない。$f=|z|\ge0$ なので、thm-bsde-comparison により $Y_t\ge\mathbb{E}[\xi\mid\mathcal F_t]$ で、例はこれと合う。

偏微分方程式との対応

$X=x+W$($b=0$、$\sigma=1$)、$f(t,x,y,z)=-ry$、$g(x)=x^2$、$r=0.05$、$T=1$、$x=1$。
使う公式:prop-bsde-pde。
答え:$u(t,x)=e^{-r(T-t)}\bigl(x^2+T-t\bigr)$ が $\partial_tu+\frac12\partial_x^2u-ru=0$、$u(T,x)=x^2$ を満たすので、$Y_t=u(t,X_t)$、$Z_t=2e^{-r(T-t)}X_t$ で
$$ \boxed{Y_0=u(0,1)=2e^{-0.05}\approx1.902459} $$

途中の計算を開く

$\partial_tu=ru-e^{-r(T-t)}$、$\frac12\partial_x^2u=e^{-r(T-t)}$ なので $\partial_tu+\frac12\partial_x^2u-ru=0$ である。prop-bsde-pde は $u$ と $\sigma\partial_xu$ の有界性を仮定しているが、ここでは $u$ が 2 次の増大なので直接確かめる:$Y_t=u(t,1+W_t)$、$Z_t=2e^{-r(T-t)}(1+W_t)$ は $\mathcal S^2\times\mathcal H^2$ に入り、伊藤の公式で方程式を満たすので、thm-bsde-main によりこれが唯一の解である。

使える条件と反例

thm-bsde-main の条件を 1 つずつ外した例である。

外す条件反例成り立たなくなること
3($y$ についての Lipschitz 条件)$f(y)=2\sqrt{\lvert y\rvert }$、$\xi=0$一意性:$(0,0)$ と $((T-t)^2,0)$ がともに解
3(増大の制限)$f(y)=y^2$、$\xi=1$、$T=2$存在:$\mathcal S^2\times\mathcal H^2$ の解がない($T< 1$ なら $Y_t=1/(1-(T-t))$)
フィルトレーションが $W$ で生成される$W$ と独立な Brown 運動 $W'$ を加えたフィルトレーション、$f=0$、$\xi=W'_T$存在:$\int Z\,dW$ の形の解がない
反例の確かめ
3 つの反例の確かめを開く

1 行目:$Y_t=(T-t)^2$ は確定的で、$\int_t^T2\sqrt{(T-s)^2}\,ds=(T-t)^2$ なので $Z=0$ で方程式を満たす。$Y=0$ も解である。$2\sqrt{|y|}$ は $y=0$ で Lipschitz でない。条件 1・2 は満たす。

2 行目:解 $(Y,Z)$ があるとし、$m(t):=\mathbb{E}Y_t$ とおく。$Z\in\mathcal H^2$ なので確率積分の期待値は $0$ で、$m(t)=1+\int_t^T\mathbb{E}Y_s^2ds\ge1+\int_t^Tm(s)^2ds$(Jensen)である。$\psi(t):=1+\int_t^Tm(s)^2ds$ とおくと $m\ge\psi\ge1$ なので $\psi'=-m^2\le-\psi^2$、すなわち $(1/\psi)'\ge1$ で、$1/\psi(t)\le1-(T-t)$ である。$T-t\ge1$ では右辺が $0$ 以下になり、$\psi\ge1$ に反する。よって $T\ge1$ では解がない。$T< 1$ のとき確定的な $Y_t=1/(1-(T-t))$($-\dot Y=Y^2$、$Y_T=1$)は $Z=0$ で解である。

3 行目:$(W,W')$ を 2 次元 Brown 運動とし、$\mathcal G_t$ をそれらが生成するフィルトレーションとする。$\mathcal G$ の上で $Y_t=W'_T-\int_t^TZ\,dW$ の解があるとすると、条件付き期待値から $Y_t=W'_t$ で、$W'_T=\int_0^TZ\,dW$ となる。$Z$ が階段過程なら、増分の独立性から $\mathbb{E}[W'_T(W_{t_{k+1}}-W_{t_k})Z_{t_k}]=0$ で、$\mathbb{E}[W'_T\int_0^TZ\,dW]=0$ である。$\mathcal G$ に関して発展的可測で 2 乗可積分な一般の $Z$ は階段過程で近似でき(伊藤積分 の補題「階段過程の稠密性」。同補題の証明は $W$ を Brown 運動とするフィルトレーション $\mathcal G$ でもそのまま通る)、等長性から同じ式が成り立つ。すると $T=\mathbb{E}[W'^2_T]=\mathbb{E}[W'_T\int Z\,dW]=0$ となり矛盾する。

よくある誤り

誤り正しくはなぜ
$Y_t=\xi+\int_t^Tf\,ds$ を道ごとに解く$Z$ を同時に求め、$Y$ を適合させる冒頭の $\xi=W_T$ の例
$\int_t^TZ\,dW$ の符号を $+$ にする定義は $-\int_t^TZ\,dW$($dY=-f\,dt+Z\,dW$)符号を誤ると $Z$ の符号が逆になる
$f\ge0$ なら $Y$ は小さくなると考える方程式は $+\int_t^Tf\,ds$ を含み、$f\ge0$ なら $Y_t\ge\mathbb{E}[\xi\mid\mathcal F_t]$thm-bsde-comparison、ex-bsde-abs
解は終端条件について線形と考える生成元が非線形なら線形でないex-bsde-abs の後の注意
Lipschitz でない生成元でも一意と考える一意性・存在が成り立たないことがある反例の表の 1・2 行目

補足

  • 出典:Lipschitz な生成元の場合の存在と一意性は Pardoux と Peng による(Pha05 §4、p. 538)。$z$ について 2 次の増大をもつ生成元への拡張もある(同所の文献案内)。この記事の証明の重みつきノルムによる縮小写像の形は、標準的な議論を独自にまとめたものである。
  • 多次元:$W$ が $d$ 次元のときは $Z$ を $d$ 次元の行ベクトルにし、マルチンゲール表現定理 の $d$ 次元の形(同記事の系の後の注意)を使えば、同じ証明が通る。$Y$ が多次元でも主定理の証明は同じだが、比較定理は 1 次元の $Y$ について述べたものである。
  • 前向き後退確率微分方程式:$X$ の係数が $Y,Z$ に依存すると、前向きと後退の方程式が連立する。確率最適制御の確率的な最大原理では、随伴変数がこの形の方程式を満たす(Pha05 §4.1・§4.3、pp. 538–542)。確率最適制御 の検証定理は価値関数を使う別の方法である。

関連項目

参考文献

[1]
Huyên Pham, On some recent aspects of stochastic control and their applications, Probability Surveys, 2005, pp. 506–549。§4(式 (4.1) と存在・一意性の文献案内、p. 538)、§4.1(pp. 538–539)、§4.3(pp. 541–542)
[2]
Paul-André Meyer, Un cours sur les intégrales stochastiques (exposés 1 à 6), Séminaire de probabilités, 1976, IV.21

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する