Процесс Орнштейна-Уленбека: средневозвратная диффузия

Процесс Орнштейна-Уленбека - это первый и до сих пор главный пример стохастического процесса, который одновременно случаен и устойчив: он постоянно подталкивается шумом, но всегда стягивается обратно к своему среднему уровню. Исторически он появился как уточнение модели броуновского движения для скорости частицы, где простая диффузия даёт неограниченно растущую дисперсию, а физическая скорость очевидно ограничена трением. Процесс Орнштейна-Уленбека закрывает этот разрыв, добавляя возвращающую силу, и поэтому стал базовой моделью средневозвратности в физике, финансах и нейронауке. Разберём его определение, явное решение, моментные характеристики и стационарный режим.

Определение через стохастическое дифференциальное уравнение

Процесс Орнштейна-Уленбека $X_t$ задаётся стохастическим дифференциальным уравнением

$dX_t = \theta(\mu - X_t)\,dt + \sigma\,dW_t,$

где $W_t$ - стандартный винеровский процесс (броуновское движение), $\theta > 0$ - скорость возврата к среднему, $\mu$ - долгосрочный уровень, к которому процесс стягивается, а $\sigma > 0$ - амплитуда шума. Снос $\theta(\mu - X_t)$ устроен так, что при $X_t > \mu$ он отрицателен и тянет процесс вниз, а при $X_t < \mu$ - положителен и тянет вверх. Именно эта линейная возвращающая сила и есть смысл термина «средневозвратность»: чем дальше процесс ушёл от $\mu$, тем сильнее его возвращает.

Если убрать снос ($\theta = 0$), уравнение вырождается в обычное броуновское движение с неограниченно растущей дисперсией. Если убрать шум ($\sigma = 0$), останется детерминированное экспоненциальное затухание $X_t \to \mu$. Процесс Орнштейна-Уленбека - единственный гауссовский марковский стационарный процесс с непрерывными траекториями, что выделяет его среди всех остальных диффузий.

Чтобы быстро прикинуть, как ведут себя среднее и дисперсия при конкретных $\theta, \mu, \sigma$, удобно подставить значения в готовые формулы - этим занимается калькулятор ниже.

Явное решение уравнения

В отличие от большинства стохастических дифференциальных уравнений, для процесса Орнштейна-Уленбека выписывается явное решение. Применяя формулу Ито к функции $f(t, X_t) = X_t e^{\theta t}$, получаем

$X_t = \mu + (X_0 - \mu)e^{-\theta t} + \sigma\int_0^t e^{-\theta(t-s)}\,dW_s.$

Первые два слагаемых - детерминированная часть: начальное отклонение $X_0 - \mu$ экспоненциально затухает с характерным временем $1/\theta$. Последнее слагаемое - стохастический интеграл Ито от детерминированной функции, а значит, это гауссовская случайная величина с нулевым средним. Отсюда сразу следует ключевой факт: при гауссовском (или детерминированном) начальном условии весь процесс $X_t$ - гауссовский, и его распределение полностью определяется средним и дисперсией.

Стоит подчеркнуть, почему именно множитель $e^{\theta t}$ срабатывает как интегрирующий. Применяя формулу Ито к $X_t e^{\theta t}$, мы получаем $d(X_t e^{\theta t}) = \theta\mu e^{\theta t}\,dt + \sigma e^{\theta t}\,dW_t$ - снос с $X_t$ полностью сокращается, и правую часть можно проинтегрировать почленно. Это тот же приём, что и для линейных обыкновенных дифференциальных уравнений, только с добавкой стохастического члена. Никаких поправочных слагаемых второго порядка здесь не возникает, потому что коэффициент при $dW_t$ постоянен по $X_t$ (диффузия аддитивна, а не мультипликативна).

Среднее и дисперсия

Беря математическое ожидание явного решения и пользуясь тем, что интеграл Ито имеет нулевое среднее, получаем

$E[X_t] = \mu + (X_0 - \mu)e^{-\theta t}.$

Среднее экспоненциально сходится к $\mu$ - это та самая средневозвратность на уровне ожидания. Дисперсию вычисляем через изометрию Ито:

$\operatorname{Var}(X_t) = \frac{\sigma^2}{2\theta}\bigl(1 - e^{-2\theta t}\bigr).$

При $t \to \infty$ дисперсия не растёт неограниченно, как у броуновского движения, а стабилизируется на конечном уровне $\sigma^2/(2\theta)$. Это принципиальное отличие: шум закачивает энергию в систему, но трение (возврат) её рассеивает, и устанавливается баланс. Чем больше $\theta$, тем быстрее устанавливается равновесие и тем меньше итоговый разброс.

Стационарное распределение

При $t \to \infty$ среднее стремится к $\mu$, а дисперсия - к $\sigma^2/(2\theta)$, и процесс выходит на стационарный режим. Стационарное (инвариантное) распределение процесса Орнштейна-Уленбека - нормальное:

$X_\infty \sim \mathcal{N}\!\left(\mu,\ \frac{\sigma^2}{2\theta}\right).$

Если запустить процесс уже из этого распределения, то распределение $X_t$ не будет меняться со временем - это и есть определение стационарности. Инвариантную плотность можно получить и независимо, решив стационарное уравнение Фоккера-Планка $0 = -\partial_x[\theta(\mu - x)p] + \frac{\sigma^2}{2}\partial_{xx}p$; его решение - та же гауссова плотность. Существование нетривиального стационарного распределения требует именно $\theta > 0$: при $\theta = 0$ инвариантной вероятностной меры нет.

Автокорреляция и время релаксации

В стационарном режиме автоковариация процесса зависит только от разности времён:

$\operatorname{Cov}(X_t, X_{t+\tau}) = \frac{\sigma^2}{2\theta}e^{-\theta|\tau|}.$

Корреляции затухают экспоненциально с характерным временем $1/\theta$, которое называют временем релаксации или временем автокорреляции. Это делает процесс Орнштейна-Уленбека удобной моделью «цветного» (коррелированного) шума в физике - в отличие от белого шума винеровского процесса, у которого корреляции мгновенно исчезают. Спектральная плотность такого процесса - лоренцева кривая, что напрямую связывает модель с теорией флуктуаций.

Поскольку весь процесс гауссовский, его конечномерные распределения полностью описываются вектором средних и приведённой выше ковариационной функцией - никакой дополнительной информации не требуется. Это удобно проверять через характеристическую функцию в теории вероятностей: для гауссовской величины она имеет вид $\exp(it\mu - t^2\sigma^2_\infty/2)$, и совпадение характеристических функций сразу доказывает, что стационарное распределение нормально. Через тот же аппарат удобно считать моменты и проверять предельные переходы при $\theta \to 0$ и $\theta \to \infty$.

Связь с уравнением Ланжевена и приложения

Исторически процесс Орнштейна-Уленбека возник как модель скорости броуновской частицы - решение уравнения Ланжевена $m\,dv = -\gamma v\,dt + \sigma\,dW_t$, где $\theta = \gamma/m$ играет роль коэффициента трения. Это устранило парадокс бесконечной дисперсии скорости в наивной диффузионной модели. Позже тот же процесс перекочевал в количественные финансы: модель Васичека для краткосрочной процентной ставки - это буквально процесс Орнштейна-Уленбека, и на нём же строятся стратегии парного трейдинга, эксплуатирующие средневозвратность спреда. В нейронауке им моделируют подпороговый мембранный потенциал нейрона, а в эконометрике - стационарные временные ряды. Везде ключевую роль играет один и тот же набор: средневозвратность, гауссовость и экспоненциальная автокорреляция.

Отдельного внимания заслуживает дискретизация: при наблюдении процесса в равноотстоящие моменты времени с шагом $\Delta t$ он превращается в авторегрессионный процесс первого порядка $X_{n+1} = c + \phi X_n + \varepsilon_n$ с коэффициентом $\phi = e^{-\theta\Delta t}$ и нормальными невязками. Это точное соответствие, а не приближение, и именно оно позволяет оценивать параметры $\theta, \mu, \sigma$ из данных стандартной регрессией: по оценке $\phi$ восстанавливают скорость возврата, по среднему - уровень $\mu$, по дисперсии остатков - амплитуду шума. Поэтому процесс Орнштейна-Уленбека одинаково естественно живёт и в непрерывной теории диффузий, и в прикладной эконометрике временных рядов.

Частые ошибки

• Путают $\theta$ и $\sigma$: $\theta$ управляет скоростью возврата и временем релаксации, $\sigma$ - амплитудой шума. Стационарная дисперсия $\sigma^2/(2\theta)$ зависит от обоих.
• Считают, что дисперсия растёт линейно, как у броуновского движения. У процесса Орнштейна-Уленбека она насыщается на уровне $\sigma^2/(2\theta)$.
• Забывают условие $\theta > 0$. При $\theta \le 0$ возврата к среднему нет, стационарного распределения не существует.
• Берут дисперсию стационара $\sigma^2/(2\theta)$ как дисперсию в момент $t$ при старте из фиксированной точки - нужна формула с множителем $1 - e^{-2\theta t}$.
• Используют изометрию Ито только для нулевого начала: детерминированный член $X_0$ не вносит вклад в дисперсию, но смещает среднее.

FAQ

Почему процесс Орнштейна-Уленбека гауссовский? Потому что его явное решение - линейное преобразование начального условия плюс стохастический интеграл Ито от детерминированной функции. Такой интеграл - гауссова величина, а линейная комбинация гауссовских величин снова гауссова.

Чем он отличается от броуновского движения? У броуновского движения нет сноса к среднему, дисперсия растёт линейно и неограниченно. Процесс Орнштейна-Уленбека добавляет возвращающую силу $\theta(\mu - X_t)$, поэтому дисперсия насыщается, а распределение выходит на стационар.

Что такое время релаксации? Это $1/\theta$ - характерное время, за которое затухает отклонение среднего от $\mu$ и спадают автокорреляции. Чем больше $\theta$, тем быстрее процесс «забывает» начальное условие.

Коротко

Процесс Орнштейна-Уленбека - это гауссовская средневозвратная диффузия, заданная уравнением $dX_t = \theta(\mu - X_t)dt + \sigma dW_t$. Его среднее экспоненциально сходится к $\mu$, дисперсия насыщается на уровне $\sigma^2/(2\theta)$, а стационарное распределение нормально с этими параметрами. Экспоненциально затухающая автокорреляция с временем релаксации $1/\theta$ делает его базовой моделью коррелированного шума, процентных ставок и средневозвратных рядов.