Теория нелинейной фильтрации и уравнение Закаи в стохастической математике

Классическая задача формулируется через два уравнения Ито. Сигнальный процесс (Signal Process, например, скрытая истинная волатильность актива) $X_t$ удовлетворяет $dX_t = b(X_t)dt + sigma(X_t)dW_t$. Процесс наблюдения (Observation Process, например, наблюдаемая цена с микроструктурным шумом) $Y_t$ задается как $dY_t = h(X_t)dt + dV_t$, где $W$ и $V$ — независимые броуновские движения. Цель нелинейной фильтрации — найти условное распределение $pi_t$ скрытого процесса $X_t$ при условии $sigma$-алгебры наблюдений $mathcal{F}_t^Y$. Исторически первым решением было Уравнение Кушнера-Стратоновича (Kushner-Stratonovich equation). Однако оно является нелинейным интегро-дифференциальным SPDE, аналитическое и даже численное решение которого крайне затруднительно.

Математический гений Моше Закаи заключался в использовании теоремы Гирсанова для смены вероятностной меры (переход к "Эталонной мере", Reference Measure $mathbb{Q}$, под которой процесс наблюдения $Y_t$ становится чистым броуновским движением, независимым от $X_t$). В этой новой мере Закаи ввел ненормированную условную плотность (Unnormalized Conditional Measure) $ ho_t$. Оказалось, что истинная условная плотность $pi_t$ может быть получена путем простой нормализации: $pi_t(f) = ho_t(f) / ho_t(1)$. И что самое потрясающее, эволюция этой ненормированной плотности подчиняется Линейному стохастическому уравнению: $d ho_t(f) = ho_t(mathcal{L} f) dt + ho_t(f h) dY_t$, где $mathcal{L}$ — инфинитезимальный генератор процесса $X_t$. Это и есть уравнение Закаи.

Переход от нелинейного уравнения Кушнера к линейному уравнению Закаи эквивалентен переходу от уравнения Риккати к линейной системе уравнений. Линейность SPDE Закаи открывает двери для мощных методов функционального анализа и численных схем (Метод конечных элементов, спектральные методы Галеркина). Кроме того, она позволяет применять теорему о представлении Фейнмана-Каца-Камерона-Мартина, выражая решение в виде интеграла по путям (Path Integral), что позволяет квантам решать задачи фильтрации с использованием симуляций Монте-Карло с взвешиванием (Particle Filters, Sequential Monte Carlo).

В современной алгоритмической торговле (High-Frequency Trading) уравнение Закаи — это математическое "сердце" алгоритмов оценки параметров Order Book (стакана заявок). Скрытыми переменными $X_t$ являются истинные намерения маркет-мейкеров (интенсивности процессов Хоукса), а наблюдениями $Y_t$ — поток тиковых сделок. Финансовая математика использует теорию фильтрации для построения скрытых марковских моделей с непрерывным временем, мгновенно выявляя изменения рыночных режимов (Regime Switching) и генерируя торговые сигналы за миллисекунды до того, как они станут очевидны линейным индикаторам.

Список литературы:
1. Zakai M. On the optimal filtering of diffusion processes. — Zeitschrift für Wahrscheinlichkeitstheorie und Verwandte Gebiete, 1969.
2. Bain A., Crisan D. Fundamentals of Stochastic Filtering. — Springer, 2009.
3. Ширяев А.Н. Вероятность-2. — М.: МЦНМО, 2004.
Эксперты: Моше Закаи, Гарольд Кушнер, Альберт Ширяев.