Стохастическое исчисление

Стохастическое исчисление — это раздел теории вероятностей и математического анализа, изучающий математические модели случайных процессов, в частности, интегралы и производные от случайных функций, а также дифференциальные уравнения, содержащие случайные компоненты. В отличие от классического анализа, где функции являются детерминированными, стохастическое исчисление оперирует с траекториями случайных процессов, которые, как правило, не являются дифференцируемыми в обычном смысле. Основным инструментом является стохастический интеграл Ито, позволяющий интегрировать по траекториям винеровского процесса (броуновского движения).

История

Развитие стохастического исчисления началось в начале XX века с работ французского математика Луи Башелье, который в 1900 году в своей докторской диссертации «Теория спекуляции» впервые применил броуновское движение для моделирования цен на акции. Однако строгая математическая основа была заложена значительно позже.

Ключевой вклад внес американский математик Норберт Винер, который в 1920-х годах дал строгое математическое описание броуновского движения (винеровского процесса). В 1940-х годах японский математик Киёси Ито разработал теорию стохастического интеграла, названного его именем. Интеграл Ито позволил интегрировать случайные процессы по траекториям броуновского движения и дал начало стохастическим дифференциальным уравнениям (СДУ). Независимо от Ито, в 1960-х годах русский математик Руслан Стратонович предложил альтернативную форму стохастического интеграла (интеграл Стратоновича), который обладает свойствами, более близкими к классическому анализу. В 1970-х годах работы Роберта Мертона и Фишера Блэка, Майрона Шоулза привели к созданию модели Блэка — Шоулза для оценки опционов, что обеспечило широкое применение стохастического исчисления в финансовой математике.

Основные понятия

Случайный процесс и фильтрация

Базовым объектом является случайный процесс — семейство случайных величин \(\{X_t\}_{t \ge 0}\), индексированных временем \(t\). Для моделирования потока информации во времени вводится понятие фильтрации — возрастающего семейства сигма-алгебр \(\{\mathcal{F}_t\}_{t \ge 0}\), где \(\mathcal{F}_t\) представляет всю информацию, доступную к моменту времени \(t\). Процесс называется адаптированным к фильтрации, если его значение в момент \(t\) измеримо относительно \(\mathcal{F}_t\).

Броуновское движение (винеровский процесс)

Центральным процессом в стохастическом исчислении является броуновское движение (или винеровский процесс) \(W_t\), обладающее следующими свойствами:

• \(W_0 = 0\) почти наверное.
• Приращения \(W_t - W_s\) (для \(t > s\)) независимы и имеют нормальное распределение с нулевым средним и дисперсией \(t - s\).
• Траектории \(t \mapsto W_t\) почти наверное непрерывны, но нигде не дифференцируемы.

Это свойство недифференцируемости делает невозможным применение обычных правил дифференцирования и интегрирования.

Стохастический интеграл

Интеграл Ито

Для интегрирования случайного процесса \(X_t\) по броуновскому движению используется стохастический интеграл Ито: \[ \int_0^T X_t \, dW_t \] Он определяется как предел в среднем квадратичном интегральных сумм, где подынтегральная функция берется в левой точке каждого подинтервала (неантаципативный выбор). Это свойство делает интеграл Ито мартингалом (при определенных условиях на \(X_t\)).

Интеграл Стратоновича

Альтернативная форма — интеграл Стратоновича, где подынтегральная функция берется в средней точке (симметричный выбор): \[ \int_0^T X_t \circ dW_t \] Интеграл Стратоновича не является мартингалом, но подчиняется обычным правилам дифференцирования (цепному правилу), что удобно в некоторых приложениях, например, в физике.

Стохастические дифференциальные уравнения

Стохастическое дифференциальное уравнение (СДУ) записывается в виде: \[ dX_t = a(t, X_t) \, dt + b(t, X_t) \, dW_t \] где \(a\) — коэффициент сноса (детерминированная составляющая), \(b\) — коэффициент диффузии (стохастическая составляющая), а \(dW_t\) — приращение броуновского движения. Решение СДУ — это случайный процесс \(X_t\), удовлетворяющий интегральному уравнению: \[ X_t = X_0 + \int_0^t a(s, X_s) \, ds + \int_0^t b(s, X_s) \, dW_s \]

Пример: геометрическое броуновское движение

Классическая модель для цен активов: \[ dS_t = \mu S_t \, dt + \sigma S_t \, dW_t \] где \(\mu\) — коэффициент роста, \(\sigma\) — волатильность. Решение имеет вид: \[ S_t = S_0 \exp\left((\mu - \frac{\sigma^2}{2})t + \sigma W_t\right) \]

Формула Ито

Формула Ито — аналог цепного правила в стохастическом исчислении. Для функции \(f(t, x)\), дважды дифференцируемой по \(x\) и один раз по \(t\), и процесса \(X_t\), заданного СДУ, справедливо: \[ df(t, X_t) = \left( \frac{\partial f}{\partial t} + a \frac{\partial f}{\partial x} + \frac{1}{2} b^2 \frac{\partial^2 f}{\partial x^2} \right) dt + b \frac{\partial f}{\partial x} dW_t \] Это ключевое соотношение, отличающееся от классического анализа появлением дополнительного члена \(\frac{1}{2} b^2 \frac{\partial^2 f}{\partial x^2}\), связанного с квадратической вариацией броуновского движения.

Применение

Финансовая математика

Стохастическое исчисление является математической основой современной теории финансов. Модель Блэка — Шоулза для оценки опционов использует геометрическое броуновское движение и формулу Ито. Стохастические дифференциальные уравнения применяются для моделирования процентных ставок (модели Васичека, Кокса — Ингерсолла — Росса), волатильности (модели Heston, SABR) и кредитного риска.

Физика и инженерия

В физике стохастические процессы описывают броуновское движение частиц, тепловые флуктуации (уравнение Ланжевена), динамику систем под воздействием случайных сил. В инженерии — фильтрацию сигналов (фильтр Калмана), теорию управления стохастическими системами, анализ шумов в электронных цепях.

Биология и нейронауки

Стохастические модели используются для описания эволюции популяций (процессы рождения и гибели), динамики нейронной активности (модели Изинкевича, Ходжкина — Хаксли со стохастическими токами), распространения эпидемий.

Экономика и эконометрика

Стохастические дифференциальные уравнения применяются для моделирования экономических индикаторов, таких как ВВП, инфляция, безработица, а также для анализа временных рядов с помощью стохастической волатильности.

Критика и ограничения

Основная критика стохастического исчисления связана с предположением о непрерывности траекторий и нормальности приращений броуновского движения, что не всегда соответствует реальным данным (например, скачки цен на финансовых рынках). Для учета разрывных траекторий были разработаны процессы Леви и стохастическое исчисление со скачками. Кроме того, сложность математического аппарата и необходимость использования специализированных численных методов (метод Монте-Карло, схемы Эйлера — Маруямы, Мильштейна) ограничивают его применение в некоторых практических задачах.

Интересные факты

• Формула Ито была открыта Киёси Ито во время работы над теорией марковских процессов, но долгое время не находила практического применения до появления финансовой математики.
• В 1997 году Роберт Мертон и Майрон Шоулз получили Нобелевскую премию по экономике за модель оценки опционов, основанную на стохастическом исчислении (Фишер Блэк скончался ранее).
• Стохастическое исчисление используется в квантовой механике для описания стохастических уравнений Шрёдингера и в теории струн.

Источники

• Øksendal, B. (2003). Stochastic Differential Equations: An Introduction with Applications (6th ed.). Springer.
• Karatzas, I., & Shreve, S. E. (1991). Brownian Motion and Stochastic Calculus (2nd ed.). Springer.
• Ширяев, А. Н. (2004). Основы стохастической финансовой математики. М.: ФАЗИС.
• Ито, К., & Маккин, Г. (1974). Диффузионные процессы и их траектории. М.: Мир.
• Стратонович, Р. Л. (1966). Условные марковские процессы и их применение к теории оптимального управления. М.: Издательство МГУ.