随机过程，机器学习和蒙特卡洛在金融应用中都有哪些关系 倒向随机微分方程 peng

瑞士苏黎世联邦理工学院 流体力学强吗 ETH Z眉rich姒傚喌瀹冪户鎵夸簡寰疯鍖哄鏍′綆璋冪殑姘旇川锛屽疄鍔＄殑浣滈锛屽悓鏃跺湪瀛︽湳鏂归潰鍙堝皢寰疯鍖哄叾浠栧ぇ瀛﹁繙杩滅敥浜庡叾鍚庛€傚畠鏈夌潃鍏ㄧ悆鎺掑悕鍓嶄簩鍗佸鏍＄殑鐮旂┒瀹炲姏锛屽悕姘斿嵈涓嶅鑻辩編鍏ㄧ悆鍓嶄簩鍗佸鏍°€備絾鑻ヨ鍒椾妇鍏舵牎鍙嬶紝鎭愭€曟病浜轰細鍚﹁浠栦綔涓哄叏鐞冮《灏栧ぇ瀛︾殑鍦颁綅銆傞鍏堟槸宸叉敹璇哄涓夊崄绮掍互涓婏紝涓斾负棣栧眾涓栫晫鏁板瀹跺ぇ浼氫富鍔炴柟銆傜煡鍚嶆牎鍙嬫湁锛氬湪鏁板棰嗗煙鏈夛細 闆嗗悎璁洪噷鐨勫悍鎵橈紱闂靛彲澶柉鍩猴紱鐜颁唬鏈夛細鍔ㄥ姏绯荤粺閲岀殑Moser锛涘垎鏋愰噷鐨凙hlfors绛夛紱鐗╃悊棰嗗煙鏈夌埍鍥犳柉鍧︼紱娉″埄锛沊鍏夌殑鍙戠幇浜恒€佺涓€涓璐濆皵鐗╃悊瀛﹀鑾峰緱鑰呬鸡鐞寸瓑锛涜绠楁満棰嗗煙鏈夊啹璇轰紛鏇硷紱鍚屾椂锛屽厜鍚堜綔鐢ㄣ€佽儭钀濆崪绱犮€佸彾缁跨礌銆佹牳纾佸叡鎸瓑褰卞搷浜虹被鏂囨槑杩涚▼鐨勯噸澶х瀛﹀彂鐜颁篃鏄敱ETH鐨勭瀛﹀鎵€瀹屾垚銆傚敖绠＄瀛︾晫閫犵鐨勫勾浠ｆ棭宸蹭竴鍘讳笉澶嶈繑锛屼絾ETH鍚勮矾澶х墰浠嶇劧鍙戜繚鎸佺潃鏄旀棩鐨勯鍐涘湴浣嶏細鍩烘湰鍚勪釜棰嗗煙閮藉浜庝笘鐣岄鍏堟按骞筹紝灏ゅ叾鏄缓绛戙€佺敓鐗┿€佸寲瀛︺€佺墿鐞嗐€佹満姊般€佽绠楁満绉戝銆佹暟瀛︾瓑棰嗗煙锛涘悇涓疄楠屽銆佺爺绌跺皬缁勫潎鐢卞ぇ甯堝甫鍥€傚鏍＄粡璐瑰厖瓒筹紝3D鎵撳嵃鏈恒€佽鏂囨暟鎹簱浠庢潵涓嶇己锛涘璐规瀬鍏朵綆寤夛紝姣忓勾瀛﹁垂涓嶅埌涓€涓囦汉姘戝竵锛涘鐢熺鍒╁厖瓒筹細椋熷爞渚垮疁锛岄儴鍒嗗鐢熷彲浠ヤ綇杩涙€т环姣旈珮鐨勫鐢熷鑸嶏紝浣撹偛棣嗗厤璐瑰紑鏀撅紝浣庝环寮€璁捐澶氭埛澶栬绋嬶紱瀛︽牎鍜屾暀鎺堟彁渚涘ぇ閲廡A銆丷A鏈轰細锛涘崥澹?..HJB方程的数值计算？ Pardoux和Peng在1990年首先证明了倒向随机微分方程解的存在性和唯一性，即存在唯一的一对Ft—适应过程（Yt，Zt）∈L2（0，T，R）×H2（0，T，Rd），满足下面的方程g—期望是一种拟线性期望，它不能包含完全非线性的情形。最近彭实戈教授在[15]中引入了一般的时间相容的完全非线性期望和非线性马氏链，在[16，17]中则给出了G—期望的定义和性质。G—期望具有单调性、保常性、次可加性和常数平移不变性。从而G—期望与相容风险度量：p（X）=E[—X]的概念是等价的随机过程，机器学习和蒙特卡洛在金融应用中都有哪些关系 随机过程 stochastic processes泊松过程 Poisson processes更新过程 renewal processes布朗运动 Brownian motion仿射（跳跃）扩散过程 affine processes(or affine-jump diffusions)列维过程 Levy processes连续状态分枝过程 continuous state branching processes随机微分方程 stochastic differential equations半鞅 semimartingale偏微分方程 partial differential equations偏积分－微分方程 partial integro-differential equations倒向随机微分方程 backward stochastic differential equations二阶倒向随机微分方程 second order backward stochastic differential equations随机偏微分方程 stochastic partial differential equations随机最优控制 stochastic optimal control极值建模 modeling of extremes风险度量 risk measures蒙特卡洛模拟 Monte Carlo simulationStochastic Processes=Introduction and References『随机过程』(stochastic processes)是概率论的一个分支，一般来说是特指一个学科，而『蒙特卡洛』(Monte Carlo)是一种获得某种统计量、待求值或函数值的方法，二者不太具有明显的并列关系或者包含与被包含关系。随机。

#概率论#微积分#随机过程#统计学#微分方程