確率微分方程式
人類の大半は次の方程式を不快に感じる。
$$ d X_{t} = f \left( t, X_{t} \right) dt + g \left( t, X_{t} \right) d W_{t} $$
確率微分方程式は上のような方程式を指し、それなりに経験を積んだ数学者にとっても馴染みがなく、客観的に見てもかなり難しいテーマだ。基礎的な位相数学、測度論を含む確率論と確率過程論をかなりのレベルまで理解していなければならず、学部生から全く関係ない分野を切り捨てて確率微分方程式を専攻すると決めない限り、修士くらいになってもまだ難しいかもしれない。測度論を使わない確率過程論でさえ学部生にはかなり難しく、その上に常微分方程式もある程度は理解しておく必要があり、先行科目とはまた違った感じで数理統計学を体得しておくことが推奨される。広く深い理解のためには偏微分方程式と時系列分析、そして応用まで見据えるなら経済、金融に関する学識も必要だ。
イトー積分
微分方程式
モデル
数値的解法
主要参考文献
- Øksendal. (2003). Stochastic Differential Equations: An Introduction with Applications
- Panik. (2017). Stochastic Differential Equations: An Introduction with Applications in Population Dynamics Modeling
全體ポスト
- 確率微分方程式におけるホワイトノイズ
- m2 空間
- 伊藤積分
- 伊藤等距離等式
- 伊藤乗算表
- 部分積分(ぶぶんせきぶん)
- 伊藤過程
- 伊藤の公式
- 伊藤の公式とマルチンゲール表現定理
- 確率微分方程式とは?
- 確率微分方程式の解の存在性と一意性、強い解と弱い解
- 線形、同次、自律確率微分方程式
- 典型的な確率微分方程式の解
- ブラウンの橋
- オルンシュタイン=ウーレンベック方程式
- コックス・インガーソル・ロス モデル、CIR モデル
- CKLS平均回帰ガンマ確率微分方程式
- SDEの数値解の強収束と弱収束
- イート・テイラー展開導出
- オイラー・マルヤマ法の導出
- ミルシュタイン法の導出
- ランベルト変換
- 小路-尾崎 局所線形化メソッド
- ブラック-ショールズモデルの導出
- ポーカー・プランク方程式の導出
- ブラウン運動の超函数的導関数は白色雑音である