オルンシュタイン=ウーレンベック過程

オルンシュタイン=ウーレンベック過程(オルンシュタイン=ウーレンベックかてい、: Ornstein–Uhlenbeck process)は、レナード・オルンシュタインとジョージ・ウーレンベックの名にちなんだ確率過程である。平均回帰過程(へいきんかいきかてい)とも呼ばれる。

オルンシュタイン=ウーレンベック過程は、以下のような確率微分方程式で与えられる確率過程{rt}である。

d r t = θ ( r t μ ) d t + σ d W t {\displaystyle dr_{t}=-\theta (r_{t}-\mu )\,dt+\sigma \,dW_{t}}

ここで、θ, μ, σ はパラメータであり、Wtウィーナー過程を表す。

オルンシュタイン=ウーレンベック過程は、離散時間AR(1)過程の連続時間バージョンであると言える。

3つの異なるオルンシュタイン=ウーレンベック過程の標本路。
θ = 1, μ = 1.2, σ = 0.3:
: 初期値 r0 = 0 (a.s.)
: 初期値 r0 = 2 (a.s.)
: 初期値が正規分布に従うと仮定(過程は不変測度を持つことになる)

この方程式は定数変化法を用いて解くことができる。関数 f ( r t , t ) = r t e θ t {\displaystyle f(r_{t},t)=r_{t}e^{\theta t}} に対して伊藤の補題を適用し、以下の式を得る。

d f ( r t , t ) = θ r t e θ t d t + e θ t d r t = e θ t θ μ d t + σ e θ t d W t {\displaystyle {\begin{aligned}df(r_{t},t)&=\theta r_{t}e^{\theta t}\,dt+e^{\theta t}\,dr_{t}\\&=e^{\theta t}\theta \mu \,dt+\sigma e^{\theta t}\,dW_{t}\end{aligned}}}

これを0からtまで積分することにより、次の式が得られる。

r t e θ t = r 0 + 0 t e θ s θ μ d s + 0 t σ e θ s d W s {\displaystyle r_{t}e^{\theta t}=r_{0}+\int _{0}^{t}e^{\theta s}\theta \mu \,ds+\int _{0}^{t}\sigma e^{\theta s}\,dW_{s}}

これを変形し、以下のように解が求められる。

r t = r 0 e θ t + μ ( 1 e θ t ) + 0 t σ e θ ( s t ) d W s {\displaystyle r_{t}=r_{0}e^{-\theta t}+\mu (1-e^{-\theta t})+\int _{0}^{t}\sigma e^{\theta (s-t)}\,dW_{s}}

r 0 {\displaystyle r_{0}} が定数であると仮定するとき、 r t {\displaystyle r_{t}} の1次モーメントは以下のように計算できる。

E ( r t ) = r 0 e θ t + μ ( 1 e θ t ) {\displaystyle E(r_{t})=r_{0}e^{-\theta t}+\mu (1-e^{-\theta t})}

s t = min ( s , t ) {\displaystyle s\wedge t=\min(s,t)} とおくと、伊藤積分の等長性 [1] を用いて次のような共分散関数が得られる。

cov ( r s , r t ) = E [ ( r s E [ r s ] ) ( r t E [ r t ] ) ] = E [ 0 s σ e θ ( u s ) d W u 0 t σ e θ ( v t ) d W v ] = σ 2 e θ ( s + t ) E [ 0 s e θ u d W u 0 t e θ v d W v ] = σ 2 2 θ e θ ( s + t ) ( e 2 θ ( s t ) 1 ) {\displaystyle {\begin{aligned}\operatorname {cov} (r_{s},r_{t})&=\mathrm {E} [(r_{s}-\mathrm {E} [r_{s}])(r_{t}-\mathrm {E} [r_{t}])]\\&=\mathrm {E} \left[\int _{0}^{s}\sigma e^{\theta (u-s)}\,dW_{u}\int _{0}^{t}\sigma e^{\theta (v-t)}\,dW_{v}\right]\\&=\sigma ^{2}e^{-\theta (s+t)}\mathrm {E} \left[\int _{0}^{s}e^{\theta u}\,dW_{u}\int _{0}^{t}e^{\theta v}\,dW_{v}\right]\\&={\frac {\sigma ^{2}}{2\theta }}\,e^{-\theta (s+t)}(e^{2\theta (s\wedge t)}-1)\end{aligned}}}

別表現1

オルンシュタイン=ウーレンベック過程は、スケールを変え時間シフトをしたウィーナー過程としても表現することが可能である(そして、しばしばその方が便利である)。初期値条件の無い場合、

r t = μ + σ 2 θ W ( e 2 θ t ) e θ t {\displaystyle r_{t}=\mu +{\sigma \over {\sqrt {2\theta }}}W(e^{2\theta t})e^{-\theta t}}

となり、また r 0 {\displaystyle r_{0}} が与えられた場合は以下のようになる。

r t = r 0 e θ t + μ ( 1 e θ t ) + σ 2 θ W ( e 2 θ t 1 ) e θ t {\displaystyle r_{t}=r_{0}e^{-\theta t}+\mu (1-e^{-\theta t})+{\sigma \over {\sqrt {2\theta }}}W(e^{2\theta t}-1)e^{-\theta t}}

オルンシュタイン=ウーレンベック過程は、有界な分散を持つガウス過程の例であり、ウィーナー過程とは対照的に定常確率分布を許している。

この過程の時間積分は、1/fパワースペクトルを持つノイズを生成するために用いることができる。

別表現2

B をブラウン運動とすると、

U t = exp ( β t ) B ( 1 e 2 β t 2 β ) {\displaystyle U_{t}=\exp(\beta t)B\left({\frac {1-e^{-2\beta t}}{2\beta }}\right)}

はオルンシュタイン=ウーレンベック過程である。Utは以下の微分方程式の解である。

d U t = β U t d t + d B t {\displaystyle dU_{t}=\beta U_{t}\,dt+dB_{t}}

参考文献

  • G. E. Uhlenbeck and L. S. Ornstein, "On the theory of Brownian Motion", Phys. Rev. 36:823-41, 1930.
  • D. T. Gillespie, "Exact numerical simulation of the Ornstein-Uhlenbeck process and its integral", Phys. Rev. E 54:2084-91, 1996.

関連項目

一般化

オルンシュタイン=ウーレンベック過程は、背後過程を(ウィーナー過程より一般的な)レヴィ過程とした拡張が可能である。このような確率過程については、オーレ・バーンドルフ=ニールセンらによって研究されている。 正確にはgeneralised Ornstein-Uhlenbeck過程と呼ばれるが、その由来は形が似ているだけでなく、generalised Langevin方程式(generalised Black-Scholes方程式<ブラック・ショールズのレヴィ過程版>とLangevin方程式のレヴィ過程版を合体させたもの)の解になるのではないかと推理されていた。しかし、近年、それらが解の関係にはならないことが証明されている。その証明の際には、generalised Langevin方程式の解が与えられ、YORの本によればセミマルチンゲールの場合に一般化された解も与えられている。

脚注

[脚注の使い方]
  1. ^ 伊藤積分の等長性とは、伊藤積分において、一般的に
    E [ ( 0 t X τ d B τ ) 2 ] = E [ 0 t X τ 2 d τ ] {\displaystyle E\left[\left(\int _{0}^{t}X_{\tau }\,dB_{\tau }\right)^{2}\right]=E\left[\int _{0}^{t}X_{\tau }^{2}\,d\tau \right]}
    が成り立つことをいう。
確率の歴史
確率の定義
客観確率
  • 統計的確率
  • 古典的確率
  • 公理的確率
主観確率
確率の拡張
基礎概念
モデル
確率変数
確率分布
関数
用語
確率の解釈
問題
法則・定理
測度論
確率微分方程式
確率過程
情報量
応用
数理ファイナンス
系統学
カテゴリ カテゴリ