倒向重随机Volterra积分方程及其相关理论

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11871309
  • 项目类别:
    面上项目
  • 资助金额:
    52.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0210.随机分析与随机过程
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

This project aims to thoroughly study the theory of backward doubly stochastic Volterra integral equations and related fields, solving a series of important theoretical problems, and to study the frontier scientific questions arising in their applications in financial mathematics, especially such as time-inconsistent risk measures, stochastic controls and games, and quantitative investment. Due to lack of Ito formula in the theory of backward stochastic Volterra integral equations at present, many important theoretical results were not available. Therefore we will try to look for some functional types of Ito formula to make a breakthrough, in order to study the backward doubly stochastic Volterra integral equations and their stochastic control and games problems, and to further solve a series of basic scientific problems in the theory of backward doubly stochastic Volterra integral equations, including forward-backward doubly stochastic Volterra integral equations, and related stochastic partial differential equations, especially their stochastic control problems. We will establish the theory of the existence, uniqueness and properties of their solutions and the maximum principles for their stochastic optimal control problems. We also will investigate the numerical simulations of backward doubly stochastic Volterra integral equations and the related stochastic partial differential equations, and discuss their applications in the field of financial mathematics.
本项目旨在深入研究倒向重随机Volterra积分方程理论及其相关领域,解决其中一系列重要的理论问题,并研究其在金融数学,特别是时间非一致性的风险度量、随机控制与对策、量化投资等前沿应用中的科学问题。因为目前倒向随机Volterra积分方程理论中缺乏适用的Ito公式,导致很多重要结果难以获得,我们将尝试用泛函型的Ito公式突破这个瓶颈,进而研究倒向重随机Volterra积分方程及其刻画的随机系统的控制问题、对策问题,解决倒向重随机Volterra积分方程,包括正倒向耦合的重随机Volterra积分方程,以及相关的随机偏微分方程理论中的一系列基础科学问题,特别是其相应的随机控制问题,建立解的存在性、唯一性、多解性等理论和随机最优控制问题的最大值原理,研究倒向重随机Volterra积分方程及其相关的随机偏微分方程的随机计算问题,探讨倒向随机积分系统在金融数学等领域中的应用。

结项摘要

本项目系统深入地研究了倒向重随机Volterra积分方程理论及相关领域的理论和应用问题,取得了一系列重要突破,已经在国内外学术刊物上发表论文39篇,其中SCI收录论文30篇,EI收录论文5篇,申请发明专利4项。项目负责人和主要成员应邀在国内外学术会议和高校做邀请报告20余次。.本项目主要创新性工作包括:.(1)为倒向重随机Volterra积分方程引进了一种新的解,即对称鞅解(SM解)并得到了这种解的存在唯一性。研究了平均场下、带随机跳跃等情形下的倒向重随机微分方程和正倒向重随机微分方程的定解条件、最优控制问题和对策问题。.(2)获得了无穷时空的正倒向随机微分方程和无穷时空的正倒向双重随机微分方程的定解条件及其与相应的偏微分方程或随机偏微分方程的关系,得到了一类非线性(随机)Feynman-Kac公式。.(3)利用Malliavin分析研究了随机系数的倒向重随机微分方程的定解问题及相应的随机偏微分方程,获得了一种非马氏情形下的非线性随机Feynman-Kac公式。利用泛函型Ito公式,研究了轨道依赖的正倒向双重随机微分方程及其相应的轨道依赖的随机偏微分方程,获得了一类非马氏情形下的非线性随机Feynman-Kac公式。.(4)研究了均方场下的正倒向重随机微分方程及其相关的随机微分对策;带延迟的倒向重随机系统的非零和微分对策问题;均方场下分数维布朗运动驱动的(超前)倒向随机微分方程解的定解问题及其随机控制问题。.(5)深入研究了倒向重随机微分方程的计算问题,引进了深度神经网络计算方法,获得了高维完全耦合的正倒向双重随机微分方程的深度神经网络计算方法,从而能够计算高维的PDE和SPDE。.此外,本项目还扩展了很多研究,包括与疫情相关的研究结果发表在SSCI一区的杂志上。受资助期间,项目负责人和项目组主要成员获得了山东省自然科学奖二等奖和国家统计科学技术进步奖三等奖等奖励。本项目培养毕业硕士生47名,博士生4名,博士后1名。.总之,本项目超额完成了研究任务,在多个领域取得突破,为后续的研究打下了重要基础。

项目成果

期刊论文数量(34)
专著数量(0)
科研奖励数量(2)
会议论文数量(5)
专利数量(4)
Symmetrical martingale solutions of backward doubly stochastic Volterra integral equations
向后双随机Volterra积分方程的对称鞅解
  • DOI:
    10.1016/j.camwa.2019.09.006
  • 发表时间:
    2020
  • 期刊:
    Computers and Mathematics with Applications
  • 影响因子:
    2.9
  • 作者:
    Wen Jiaqiang;Shi Yufeng
  • 通讯作者:
    Shi Yufeng
Existence result for the BSDE with superquadratic growth
超二次增长的 BSDE 的存在性结果
  • DOI:
    10.1080/03610926.2022.2105363
  • 发表时间:
    2022
  • 期刊:
    Communications in Statistics-Theory and Methods
  • 影响因子:
    0.8
  • 作者:
    Yufeng Shi;Zhi Yang
  • 通讯作者:
    Zhi Yang
Nonzero-sum differential game of backward doubly stochastic systems with delay and applications
时滞后向双随机系统非零和微分博弈及其应用
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    Mathematical Control and Related Fields
  • 影响因子:
    1.2
  • 作者:
    Qingfeng Zhu;Yufeng Shi
  • 通讯作者:
    Yufeng Shi
Forward-backward doubly stochastic systems and classical solutions of path-dependent stochastic PDEs
前向-后向双随机系统和路径相关随机偏微分方程的经典解
  • DOI:
    10.1080/17442508.2022.2085503
  • 发表时间:
    2022
  • 期刊:
    Stochastics An International Journal of Probability and Stochastic Processes
  • 影响因子:
    --
  • 作者:
    Shi Yufeng;Wen Jiaqiang;Xiong Jie
  • 通讯作者:
    Xiong Jie
High‐dimensional integrative copula discriminant analysis for multiomics data
多组学数据的高维综合 copula 判别分析
  • DOI:
    doi:10.1002/sim.8758
  • 发表时间:
    2020
  • 期刊:
    Statistics in Medicine
  • 影响因子:
    2
  • 作者:
    Yong He;Hao Chen;Hao Sun;Jiadong Ji;Yufeng Shi;Xinsheng Zhang;Lei Liu
  • 通讯作者:
    Lei Liu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

平均场倒向重随机微分方程及其应用
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    数学年刊(A辑)
  • 影响因子:
    --
  • 作者:
    朱庆峰;王天啸;石玉峰
  • 通讯作者:
    石玉峰
带跳的倒向重随机微分方程的比较定理
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    烟台大学学报(自然科学与工程版)
  • 影响因子:
    --
  • 作者:
    石玉峰;朱庆峰;刘贵基
  • 通讯作者:
    刘贵基
软件模型检测中的抽象模型研究综述
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    石玉峰;徐丙凤;黄志球;陈哲
  • 通讯作者:
    陈哲
局部Lipschitz条件下的正倒向重随机微分方程
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    山东大学学报(理学版)
  • 影响因子:
    --
  • 作者:
    石玉峰;朱庆峰
  • 通讯作者:
    朱庆峰
非Lipschitz条件下的倒向随机微分方程的g-上解的极限定理
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    山东大学学报(理学版)
  • 影响因子:
    --
  • 作者:
    石玉峰;韩宝燕;朱波
  • 通讯作者:
    朱波

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

石玉峰的其他基金

倒向随机积分方程理论及在金融中的应用
  • 批准号:
    11371226
  • 批准年份:
    2013
  • 资助金额:
    50.0 万元
  • 项目类别:
    面上项目
双重随机系统的控制与优化及其应用
  • 批准号:
    11071145
  • 批准年份:
    2010
  • 资助金额:
    25.0 万元
  • 项目类别:
    面上项目
倒向重随机微分方程理论及应用
  • 批准号:
    10771122
  • 批准年份:
    2007
  • 资助金额:
    23.0 万元
  • 项目类别:
    面上项目
受限的正倒向随机微分方程及对金融的应用
  • 批准号:
    10201018
  • 批准年份:
    2002
  • 资助金额:
    9.5 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码