Itô diffusion

Résumé

In mathematics – specifically, in stochastic analysis – an Itô diffusion is a solution to a specific type of stochastic differential equation. That equation is similar to the Langevin equation used in physics to describe the Brownian motion of a particle subjected to a potential in a viscous fluid. Itô diffusions are named after the Japanese mathematician Kiyosi Itô. A (time-homogeneous) Itô diffusion in n-dimensional Euclidean space Rn is a process X : [0, +∞) × Ω → Rn defined on a probability space (Ω, Σ, P) and satisfying a stochastic differential equation of the form where B is an m-dimensional Brownian motion and b : Rn → Rn and σ : Rn → Rn×m satisfy the usual Lipschitz continuity condition for some constant C and all x, y ∈ Rn; this condition ensures the existence of a unique strong solution X to the stochastic differential equation given above. The vector field b is known as the drift coefficient of X; the matrix field σ is known as the diffusion coefficient of X. It is important to note that b and σ do not depend upon time; if they were to depend upon time, X would be referred to only as an Itô process, not a diffusion. Itô diffusions have a number of nice properties, which include sample and Feller continuity; the Markov property; the strong Markov property; the existence of an infinitesimal generator; the existence of a characteristic operator; Dynkin's formula. In particular, an Itô diffusion is a continuous, strongly Markovian process such that the domain of its characteristic operator includes all twice-continuously differentiable functions, so it is a diffusion in the sense defined by Dynkin (1965). Continuous stochastic process An Itô diffusion X is a sample continuous process, i.e., for almost all realisations Bt(ω) of the noise, Xt(ω) is a continuous function of the time parameter, t. More accurately, there is a "continuous version" of X, a continuous process Y so that This follows from the standard existence and uniqueness theory for strong solutions of stochastic differential equations.

Source officielle

https://en.wikipedia.org/wiki/Itô_diffusion

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Concepts associés (2)

Itô diffusion

Processus de Wiener

En mathématiques, le processus de Wiener est un processus stochastique à temps continu nommé ainsi en l'honneur de Norbert Wiener. Il permet de modéliser le mouvement brownien. C'est l'un des processus de Lévy les mieux connus. Il est souvent utilisé en mathématique appliquée, en économie et en physique. Le processus de Wiener est défini comme un mouvement brownien standard monodimensionnel, démarrant à l'origine, et à valeurs réelles.

Cours associés (1)

FIN-415: Probability and stochastic calculus

This course gives an introduction to probability theory and stochastic calculus in discrete and continuous time. We study fundamental notions and techniques necessary for applications in finance such

Séances de cours associées (9)

Girsanov: Martingales et le mouvement brownien

Explore les martingales, le mouvement brownien et mesure les transformations dans la théorie des probabilités.

Calcul stochastique : la formule de l'Itô

Couvre le calcul stochastique, en se concentrant sur la formule d'Itô, les équations différentielles stochastiques, les propriétés martingales et le prix d'option.

Calcul stochastique : modèles de taux d'intérêt

Fournit un aperçu du calcul stochastique et de ses applications dans les modèles de taux d'intérêt et la modélisation financière.

Afficher plus