Динамические системы
Стохастические динамические системы
Цены акций, температура белка в клетке, движение пыльцы в воде - все они подчиняются уравнениям с шумом. Формула Блэка-Шоулза (Нобелевская премия 1997) - это решение СДУ. Без стохастического исчисления не было бы ни математики финансовых деривативов на 600 трлн, ни современной статфизики.
- **Финансы:** модель Блэка-Шоулза dS = μS dt + σS dW - оценка опционов. Риски VaR и Expected Shortfall - квантили распределений решений СДУ
- **Молекулярная динамика:** ланжевеновская динамика для фолдинга белков - моделирование при T > 0 требует стохастических термостатов
- **Нейронаука:** ионные токи в нейронах - стохастические (случайное открытие/закрытие каналов). Модель Ходжкина-Хаксли с шумом точнее описывает spike timing
Предварительные знания
Стохастические дифференциальные уравнения
Спиннер Tesla Autopilot работает в стохастической динамической системе: 1400 нейронов получают шумные данные с 8 камер при 36 fps - уравнение Ланжевена описывает каждый шаг. Реальные системы подвержены шуму: флуктуации температуры, квантовый случай, ошибки измерений. **Стохастическое дифференциальное уравнение (СДУ)** добавляет случайный член к обычному ОДУ: шум моделируется белым шумом ξ(t) - производной броуновского движения W(t).
Для мультипликативного шума g(X) существуют две интерпретации: Ито (dW берётся в начале интервала) и Стратонович (в середине). Ито: математически удобен, нет цепного правила. Стратонович: физически естественен для систем с цветным шумом. Разница в «дрейфовом» члене: f_Ito = f_Strat - (g/2)·dg/dX.
В СДУ dX = f(X)dt + g(X)dW стохастический термин g(X)dW при g = const называется:
Лемма Ито и уравнение Фоккера-Планка
Стохастическое исчисление требует **леммы Ито** - аналога цепного правила для функций от броуновского движения. Ключевое отличие от детерминированного анализа: появляется дополнительный член второго порядка (dW)² = dt.
Уравнение Фоккера-Планка - детерминированное ПДУ для **вероятностной плотности** распределения случайного процесса. Вместо одной траектории мы отслеживаем весь ансамбль: P(x, t) - плотность вероятности нахождения в точке x в момент t.
В уравнении Фоккера-Планка для осциллятора Ланжевена dX = -X·dt + σ dW стационарное распределение:
Стохастические бифуркации
Шум не просто «размывает» детерминированные бифуркации - он может **создавать новые феномены**: нойзе-индуцированные переходы, стохастический резонанс и P-бифуркации (phenomenological - изменение формы P_st).
D-бифуркация (динамическая): изменение знака показателей Ляпунова случайной динамической системы. P-бифуркация (феноменологическая): изменение топологии стационарной плотности P_st (числа мод). Эти два определения не всегда совпадают!
Стохастический резонанс - это феномен, при котором:
Численное решение СДУ и методы Монте-Карло
Аналитические решения СДУ - редкость. На практике используют **численные схемы**: метод Эйлера-Маруямы (простейший) и Мильштейна (второй порядок). Для статистики - симулируют ансамбль траекторий (Монте-Карло).
Мильштейн добавляет коррекцию: X_{n+1} = X_n + f·dt + g·dW + (g·∂g/∂X)/2·((dW)² - dt). Это повышает точность с O(dt^{0.5}) до O(dt) для мультипликативного шума. Для аддитивного (g=const) оба метода совпадают.
Метод Эйлера-Маруямы для СДУ имеет порядок сходимости O(dt^{0.5}), а не O(dt) как обычный Эйлер для ОДУ. Почему?
Ключевые идеи
- **СДУ Ито:** dX = f dt + g dW - добавляет броуновский шум к ОДУ. Два типа: аддитивный (g=const) и мультипликативный (g=g(X))
- **Лемма Ито:** для Y=h(X) появляется корректирующий член (g²/2)·h'' dt - отличие от обычного цепного правила
- **Фоккер-Планк:** детерминированное ПДУ для P(x,t). Стационарное решение P_st(x) ∝ exp(2/σ² ∫f dx')
- **Стохастический резонанс:** оптимальный уровень шума улучшает обнаружение сигналов - используется в биологических сенсорах
Связанные темы
Стохастические системы - мост между динамическими системами и вероятностью/статфизикой:
- Бифуркации — Шум размывает детерминированные бифуркации и создаёт новые - P-бифуркации. Порог стохастической бифуркации ≠ детерминированному
- Хаос и странные аттракторы — Стохастический хаос: шум в хаотических системах может стабилизировать или дестабилизировать аттракторы
- Ренормализационная группа — Стохастические системы вблизи критических точек описываются ренорм-группой - флуктуации важны на всех масштабах
Вопросы для размышления
- Если формула Блэка-Шоулза основана на гауссовом шуме, почему финансовые кризисы случаются «слишком часто»? Что не учитывает модель?
- Стохастический резонанс используется в биологии (волосковые клетки уха). Можно ли намеренно использовать этот принцип в технике? Какие ограничения?
- В чём принципиальная разница между неопределённостью в квантовой механике (принцип Гейзенберга) и стохастичностью в СДУ?