本文为 Evans 所著的 SDE 小册子(如封面)的学习笔记。
5.1 SDE 的定义和示例
5.1.1 前置知识
首先进行一些符号的约定。
记号约定 5.1
记
是一个
维 Brown 运动,
是一个和
无关的
维随机变量。定义
由 Brown 运动直至时间
的历史和
生成的
代数为
记号约定 5.2
给定
,考虑函数
,
。我们常会以矩阵和向量的形式写出这些函数:
接着就可以给出 Ito SDE 的一般形式了。
定义 5.3(Ito 随机微分方程)
对
,称
维实向量值的随机过程
是下面的Ito 随机微分方程 的解
如果
满足下面四个条件:
-
是对
是循序可测的
-
-
- 对所有
,都有
在条件(2)和(3)的保证下,我们可以假定
的采样路径几乎一定连续。
注释 5.4(高阶 SDE)
一般将高阶 SDE 写成下面的形式
本注释中
表示对函数的
阶导,
是白噪声。我们可以用下面的方法将其写成我们熟悉的形式。只需令
于是这个 SDE 可以写成
5.1.1 线性 SDE 的一些例子
示例 5.5
令
,考虑确定的连续函数
,随机微分方程
的解为
验证方法不难,令
,它满足随机微分
。令
,根据 Ito 链式法则,有
示例 5.6
和上例类似,方程
的解为
要验证这个结果,同样令
,它满足随机微分
,由 Ito 链式法则,有
示例 5.7(股价)
定义某支股票在
时刻的价格为
。我们可以用下面的 SDE 建模股价的瞬时变化率为
:
其中
和
是常数,分别成为股票的漂移和波动。
如果考虑
,用 Ito 链式法则,有
因此我们可以立刻得到
.
其中关于上面推导的第二步,我们可以考虑一般的情形,
,
是二次可导的函数,即
另外,从上面的 SDE,我们也能得到
因为最后一项的期望为零,我们能得到
两边对
求导,得到
,因此有
。如果上文一般情况中令波动系数
,就与上面的结果对应。
示例 5.8(Brown 桥)
考虑下面的 SDE
它的解为
且满足
我们称
是
时刻到
时刻的原点之间的 Brown 桥。
示例 5.9(Langevin 等式)
我们可以将摩擦力考虑进来,以更精细地建模先前的 Brown 分子运动模型。考虑一维的情况
其中
是白噪声,
是摩擦系数,
是扩散参数。我们可以将其写成下面的 SDE 模型
我们可以将
理解为粒子的速度,和下一个例子中的位置过程
对应。
该方程的解为
另外注意
满足对应下面积分形式的随机微分
我们立即得到
。然后计算二阶距:
于是得到方差
。此时我们关注该过程之均值和方差的渐近性质,假设
,当
时,有
换言之,粒子的分布在
充分大时趋近于
,这是一个固定的分布。它的方差项同时包含扩散系数和摩擦系数,可以将其理解为时间充分大后扩散与摩擦耗散之间的平衡。

Langevin 方程的模拟
示例 5.10(Ornstein-Uhlenbeck 过程, OU 过程)
一个更好的建模 Brown 运动的模型由下面的 Ornstein-Uhlenbeck 方程给出:
若令
,原方程就转变为我们刚刚见过的形式:
假设
服从 Gauss 分布,有
也服从 Gauss 分布(不严谨的说,第一项服从 Gauss 分布,第二项是对 Gauss 分布的加权和)。接着我们计算
的均值和方差:
经过一些复杂计算,我们可以得到方差
示例 5.11(随机谐振子)
描述随机谐振子的方程如下所示
其中
表示线性的回复力,
表示摩擦力。
该方程的解析解可以由 5.4 节中的一般性公式得出。对于
的特殊情形,有下面的解