隨機微分方程

奧恩斯坦-烏倫貝克過程(Ornstein-Uhlenbeck process)

/ ORN-stine OO-len-beck /

奧恩斯坦-烏倫貝克過程是最簡單的、帶有朝固定水平拉力的非平凡擴散:它是布朗運動加上一個線性回復力。它是均值回歸的典型模型——一個有雜訊的量,會四處游走卻不斷被拉回平衡。物理上它最初是受摩擦與隨機撞擊之粒子速度(布朗運動的速度)的模型,如今則出現在金融(Vasicek 利率)、神經科學(膜電位)與統計學(平穩的高斯馬可夫過程)。

它解線性 SDE dX_t = -theta (X_t - m) dt + sigma dB_t,均值回歸率 theta > 0、長期均值 m、雜訊強度 sigma。漂移 -theta(X - m) 以正比於位移的強度指回 m;擴散 sigma 為常數(加性雜訊)。它的一大優點是可精確求解:用積分因子技巧(對 e^(theta t) X_t 套伊藤)得 X_t = m + (X_0 - m) e^(-theta t) + sigma integral_0^t e^(-theta(t-s)) dB_s。因雜訊線性進入,X_t 對每個 t 都是高斯:均值 m + (X_0 - m)e^(-theta t),變異數 (sigma^2/(2 theta))(1 - e^(-2 theta t))。當 t -> infinity 時它遺忘 X_0,鬆弛到不變分布 N(m, sigma^2/(2 theta))。它是唯一具連續路徑的平穩、高斯、馬可夫過程,其平穩自共變數指數衰減:Cov(X_s, X_{s+t}) = (sigma^2/(2 theta)) e^(-theta t)。

OU 過程是本領域幾乎每個概念的首選範例:其生成元為 L f = -theta(x - m) f' + (sigma^2/2) f'',其福克-普朗克穩態是上述高斯,且它對該高斯可逆(細緻平衡成立)。它是 OU 半群以及高斯測度之超壓縮性/對數索伯列夫故事背後的擴散。一個值得記住的誠實對比:OU 過程是均值回歸且平穩的,而純布朗運動(theta = 0)非平穩、會擴散到無窮;且不同於幾何布朗運動,OU 過程可能變負,這正是它不適合作為嚴格正之量(價格、波動率、必須為正的利率)模型的原因——那裡改用 CIR 平方根過程。

Vasicek 短期利率模型 dr_t = a(b - r_t) dt + sigma dB_t 是利率的 OU 過程,以速度 a 均值回歸到 b。它解析上易處理(債券價格有閉式解),但有眾所周知的缺陷:r_t 可能變負,因為 OU 平穩分布是高斯、支撐在整個 R 上。

Vasicek 利率:一個 OU 過程,可精確求解但會變負。

OU 過程是高斯的、可取負值,故對嚴格正的量並不適用——那裡用 CIR。它平穩只因 theta > 0;當 theta = 0 它退化為布朗運動,後者沒有不變的機率分布。

又称
OU processmean-reverting Gaussian process奧恩斯坦-烏倫貝克過程OU 過程均值回歸高斯過程