Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2507.17363v1

帮助 | 高级搜索

数学 > 概率

arXiv:2507.17363v1 (math)
[提交于 2025年7月23日 ]

标题: 一种粗糙路径方法用于类似Föllmer的路径积分

标题: A rough path approach to pathwise stochastic integration à la Föllmer

Authors:Purba Das, Anna P. Kwossek, David J. Prömel
摘要: 我们开发了一个路径随机积分的一般框架,该框架扩展了Föllmer的经典方法,超越了梯度类型被积函数和标准左点黎曼和,并提供了Itô、Stratonovich和反向Itô积分的路径对应物。 更准确地说,对于一个连续路径,在固定分划序列上同时具有二次变差和Lévy面积,我们定义路径随机积分为一般黎曼和的极限,并证明它们与相对于适当粗糙路径定义的积分一致。 此外,我们确定了在何种必要且充分条件下,连续路径的二次变差和Lévy面积相对于分划序列的选择是不变的。
摘要: We develop a general framework for pathwise stochastic integration that extends F\"ollmer's classical approach beyond gradient-type integrands and standard left-point Riemann sums and provides pathwise counterparts of It\^o, Stratonovich, and backward It\^o integration. More precisely, for a continuous path admitting both quadratic variation and L\'evy area along a fixed sequence of partitions, we define pathwise stochastic integrals as limits of general Riemann sums and prove that they coincide with integrals defined with respect to suitable rough paths. Furthermore, we identify necessary and sufficient conditions under which the quadratic variation and the L\'evy area of a continuous path are invariant with respect to the choice of partition sequences.
主题: 概率 (math.PR) ; 经典分析与常微分方程 (math.CA)
MSC 类: 60G17, 60H05, 60L20, 26A42
引用方式: arXiv:2507.17363 [math.PR]
  (或者 arXiv:2507.17363v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.17363
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Anna P. Kwossek [查看电子邮件]
[v1] 星期三, 2025 年 7 月 23 日 09:54:58 UTC (27 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
math
math.CA

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号