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。
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。
$T>0$ 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。
$\xi$ 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。
| 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 1〜3 | thm-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 1〜3 | thm-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。
$\xi\in L^2(\mathcal F_T)$、$(f_t)\in\mathcal H^2$ 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。
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。$\square$
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。
$\beta>0$ 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。
$a,b$ 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。
$\Gamma_s:=\Gamma_{0,s}$ 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。$\square$
$(\xi,f)$ 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。
$\delta Y:=Y-Y'$、$\delta Z:=Z-Z'$ 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。$\square$
$b,\sigma\colon[0,T]\times\mathbb{R}\to\mathbb{R}$ 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」)。
$g\colon\mathbb{R}\to\mathbb{R}$、$f\colon[0,T]\times\mathbb{R}\times\mathbb{R}\times\mathbb{R}\to\mathbb{R}$ 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(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。
$f=0$、$\xi=W_T^2$。
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 $Y_0=1$。
$\mathbb{E}[W_T^2\mid\mathcal F_t]=W_t^2+(T-t)$ 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。
$f(t,y,z)=-ry$($r=0.05$)、$\xi=\max(W_T,0)$、$T=1$。
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)。
$$
\boxed{Y_0=\frac{e^{-r}}{\sqrt{2\pi}}\approx0.379486}
$$
$Y_t=e^{-r(T-t)}\mathbb{E}[\max(W_T,0)\mid\mathcal F_t]$ 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 $Y_0=e^{-r}\varphi(0)=e^{-0.05}/\sqrt{2\pi}$。
$f(t,y,z)=|z|$、$\xi=W_T$。
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 $Y_0=1$。
$Z=1$ 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。
$X=x+W$($b=0$、$\sigma=1$)、$f(t,x,y,z)=-ry$、$g(x)=x^2$、$r=0.05$、$T=1$、$x=1$。
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
$$
\boxed{Y_0=u(0,1)=2e^{-0.05}\approx1.902459}
$$
$\partial_tu=ru-e^{-r(T-t)}$、$\frac12\partial_x^2u=e^{-r(T-t)}$ 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。
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 |
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。
| 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 |
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