G-håp
I sannsynlighetsteori er g-forventning en ikke-lineær forventning definert fra en retrograd stokastisk differensialligning (EDSR) introdusert av Shige Peng .
Definisjon
La være et sannsynlig rom med en Wiener-prosess i dimensjon d (på dette rommet). Enten filtreringen generert av , dvs. og enten en målbar tilfeldig variabel . Tenk på EDSR gitt av:
(Ω,F,P){\ displaystyle (\ Omega, {\ mathcal {F}}, \ mathbb {P})}(Wt)t≥0{\ displaystyle (W_ {t}) _ {t \ geq 0}}(Wt){\ displaystyle (W_ {t})}Ft=σ(Ws:s∈[0,t]){\ displaystyle {\ mathcal {F}} _ {t} = \ sigma (W_ {s}: s \ in [0, t])}X{\ displaystyle X}FT{\ displaystyle {\ mathcal {F}} _ {T}}
dYt=g(t,Yt,Zt)dt-ZtdWtYT=X{\ displaystyle {\ begin {align} dY_ {t} & = g (t, Y_ {t}, Z_ {t}) \, dt-Z_ {t} \, dW_ {t} \\ Y_ {T} & = X \ end {align}}}Da g-håpet for er gitt av . Merk at hvis er en vektor med dimensjon m , så (for alle tider ) er en vektor med dimensjon m og er en matrise av størrelse .
X{\ displaystyle X}Eg[X]: =Y0{\ displaystyle \ mathbb {E} ^ {g} [X]: = Y_ {0}}X{\ displaystyle X}Yt{\ displaystyle Y_ {t}}t{\ displaystyle t}Zt{\ displaystyle Z_ {t}}m×d{\ displaystyle m \ times d}
Faktisk er den betingede forventningen gitt av og på samme måte som den formelle definisjonen for den betingede forventningen den kommer for alt (der funksjonen er indikatorfunksjonen ).
Eg[X∣Ft]: =Yt{\ displaystyle \ mathbb {E} ^ {g} [X \ mid {\ mathcal {F}} _ {t}]: = Y_ {t}}Eg[1PÅEg[X∣Ft]]=Eg[1PÅX]{\ displaystyle \ mathbb {E} ^ {g} [1_ {A} \ mathbb {E} ^ {g} [X \ mid {\ mathcal {F}} _ {t}]] = \ mathbb {E} ^ {g} [1_ {A} X]}PÅ∈Ft{\ displaystyle A \ i {\ mathcal {F}} _ {t}}1{\ displaystyle 1}
Eksistens og unikhet
Enten tilfredsstillende:
g:[0,T]×Rm×Rm×d→Rm{\ displaystyle g: [0, T] \ times \ mathbb {R} ^ {m} \ times \ mathbb {R} ^ {m \ times d} \ to \ mathbb {R} ^ {m}}
-
g(⋅,y,z){\ displaystyle g (\ cdot, y, z)}er en - passende prosess for alleFt{\ displaystyle {\ mathcal {F}} _ {t}}(y,z)∈Rm×Rm×d{\ displaystyle (y, z) \ in \ mathbb {R} ^ {m} \ times \ mathbb {R} ^ {m \ times d}}
-
∫0T|g(t,0,0)|dt∈L2(Ω,FT,P){\ displaystyle \ int _ {0} ^ {T} | g (t, 0,0) | \, dt \ in L ^ {2} (\ Omega, {\ mathcal {F}} _ {T}, \ mathbb {P})}den L2 plass (der er en norm i )|⋅|{\ displaystyle | \ cdot |}Rm{\ displaystyle \ mathbb {R} ^ {m}}
-
g{\ displaystyle g}er en Lipschitzian kartlegging i , det vil si for alt , og det kommer for en konstant(y,z){\ displaystyle (y, z)}y1,y2∈Rm{\ displaystyle y_ {1}, y_ {2} \ in \ mathbb {R} ^ {m}}z1,z2∈Rm×d{\ displaystyle z_ {1}, z_ {2} \ in \ mathbb {R} ^ {m \ times d}}|g(t,y1,z1)-g(t,y2,z2)|≤VS(|y1-y2|+|z1-z2|){\ displaystyle | g (t, y_ {1}, z_ {1}) - g (t, y_ {2}, z_ {2}) | \ leq C (| y_ {1} -y_ {2} | + | z_ {1} -z_ {2} |)}VS{\ displaystyle C}
For enhver tilfeldig variabel eksisterer det et unikt par tilpassede prosesser som tilfredsstiller den bakover stokastiske differensiallikningen.
X∈L2(Ω,Ft,P;Rm){\ displaystyle X \ i L ^ {2} (\ Omega, {\ mathcal {F}} _ {t}, \ mathbb {P}; \ mathbb {R} ^ {m})}Ft{\ displaystyle {\ mathcal {F}} _ {t}}(Y,Z){\ displaystyle (Y, Z)}
Spesielt hvis også sjekker:
g{\ displaystyle g}
-
g{\ displaystyle g}er kontinuerlig i tid ( )t{\ displaystyle t}
-
g(t,y,0)≡0{\ displaystyle g (t, y, 0) \ equiv 0} for alt (t,y)∈[0,T]×Rm{\ displaystyle (t, y) \ in [0, T] \ times \ mathbb {R} ^ {m}}
så for terminaltilstanden følger det at løsningsprosessene er kvadratiske integrerbare. Dermed er kvadratisk integrerbar for alle tider .
X∈L2(Ω,Ft,P;Rm){\ displaystyle X \ i L ^ {2} (\ Omega, {\ mathcal {F}} _ {t}, \ mathbb {P}; \ mathbb {R} ^ {m})}(Y,Z){\ displaystyle (Y, Z)}Eg[X|Ft]{\ displaystyle \ mathbb {E} ^ {g} [X | {\ mathcal {F}} _ {t}]}t{\ displaystyle t}
Se også
Referanser
-
Philippe Briand, François Coquet, Ying Hu, Jean Mémin og Shige Peng, “ A Converse Comparison Theorem for BSDEs and Related Properties of g-Expectation ”, Electronic Communications in Probability , vol. 5, n o 132000, s. 101–117 ( DOI 10.1214 / ecp.v5-1025 , les online [PDF] , åpnet 2. august 2012 )
-
S. Peng , stokastiske metoder i finans , vol. 1856, koll. "Forelesningsnotater i matematikk",2004, 165–138 s. ( ISBN 978-3-540-22953-7 , DOI 10.1007 / 978-3-540-44644-6_4 , les online [ arkiv av3. mars 2016] [PDF] ), “Ikke-lineære forventninger, ikke-lineære evalueringer og risikotiltak”
-
Z. Chen , T. Chen og M. Davison , " Choquet forventning og Peng's g-forventning, " The Annals of Probability , vol. 33, n o 3,2005, s. 1179 ( DOI 10.1214 / 009117904000001053 , arXiv matematikk / 0506598 )
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">