24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

552 26 Stochastische Differentialgleichungen<br />

� t<br />

� t<br />

Xt = ξ + σ(s, Xs) dWs + b(s, Xs) ds P − f.s. für alle t ≥ 0. (26.2)<br />

0<br />

0<br />

Koordinatenweise ausgeschrieben heißt dies<br />

X i t = ξ i m�<br />

� t<br />

+ σij(s, Xs) dW<br />

j=1 0<br />

j � t<br />

s +<br />

0<br />

bi(s, Xs) ds für alle i =1,...,n.<br />

Nun ergibt sich folgendes Problem: An welche Filtration F soll X adaptiert sein?<br />

Soll F die Filtration sein, die von ξ und W erzeugt ist, oder darf F eine größere Filtration<br />

sein? Aus der Theorie der gewöhnlichen Differentialgleichungen ist bekannt,<br />

dass es, je nach Differentialgleichung, Lösungen geben kann, die aber nicht eindeutig<br />

sind (beispielsweise für f ′ = |f| 1/3 ). Wenn F größer als die von W erzeugte<br />

Filtration ist, können wir weitere Zufallsvariablen definieren, die unter mehreren<br />

Lösungen eine aussuchen. Wir haben also mehr Möglichkeiten, eine Lösung anzugeben<br />

als wenn F = σ(W ) ist. In der Tat wird sich herausstellen, dass man in<br />

manchen Fällen überhaupt erst eine Lösung einer SDGL angeben kann, wenn man<br />

eine größere Filtration zulässt. Grob gesprochen nennen wir X eine starke Lösung<br />

von (26.1), wenn (26.2) gilt und X an F = σ(W ) adaptiert ist, hingegen eine schwache<br />

Lösung, wenn X an eine größere Filtration F adaptiert ist, bezüglich der W aber<br />

immer noch ein Martingal ist. Schwache Lösungen behandeln wir in Abschnitt 26.2.<br />

Definition 26.1 (Starke Lösung). Wir sagen, dass die stochastische Differentialgleichung<br />

(SDGL) (26.1) eine starke Lösung X hat, falls es eine Abbildung<br />

F : R n × C([0, ∞); R m ) → C([0, ∞); R n ) gibt mit den Eigenschaften<br />

(i) (x, w) ↦→ F (x, w) ist für jedes t ≥ 0 messbar bezüglich B(Rn ) ⊗Gm t –<br />

Gn t , wobei (für k = m oder k = n) Gk t := σ(πs : s ∈ [0,t]) die von<br />

den Koordinatenabbildungen πs : C([0, ∞); Rk ) → R, w ↦→ w(s) erzeugte<br />

σ-Algebra ist.<br />

(ii) Der Prozess X = F (ξ,W) erfüllt (26.2).<br />

Bedingung (i) besagt, dass der Pfad (Xs) s∈[0,t] nur von ξ und (Ws) s∈[0,t] abhängt<br />

und sonst von keinen Informationen. Insbesondere ist X an Ft = σ(ξ, Ws : s ∈<br />

[0,t]) adaptiert und progressiv messbar, sodass das Itô-Integral in (26.2) wohldefiniert<br />

ist, falls σ und b nicht zu stark wachsen für große x.<br />

Bemerkung 26.2. Offenbar ist eine starke Lösung einer SDGL stets eine verallgemeinerte<br />

n-dimensionale Diffusion. Sind die Koeffizienten σ und b unabhängig von<br />

t,soistdieLösung eine n-dimensionale Diffusion. ✸<br />

Bemerkung 26.3. Sei X eine starke Lösung und F wie in Definition 26.1. ist W ′<br />

eine m-dimensionale Brown’sche Bewegung auf einem Raum (Ω ′ , F ′ , P ′ ) mit Filtration<br />

F ′ , und ist ξ ′ unabhängig von W ′ und F ′ 0-messbar, so erfüllt X ′ = F (ξ ′ ,W ′ )<br />

die Integralgleichung (26.2), ist also eine starke Lösung von (26.1) mit W ′ statt W .

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!