Stochastic Differential Equations, Backward SDEs, Partial Differential Equations

Notăm cu interes apariția acestei monografii de cercetare, un volum de referință pentru studenții la doctorat, cercetătorii în calcul stochastic și practicienii din matematica financiară. Stochastic Differential Equations, Backward SDEs, Partial Differential Equations reprezintă o sinteză riguroasă a legăturilor dintre procesele de difuzie și ecuațiile cu derivate parțiale, oferind un cadru teoretic solid pentru metodele numerice Monte Carlo.

Remarcăm structura progresivă a lucrării, care debutează cu elementele de bază ale analizei stochastice și calculul lui Itô, avansând rapid către subiecte complexe precum SDE cu drift multivoc și teoria ecuațiilor diferențiale stochastice retrograde (BSDE). Un element distinctiv al acestei ediții publicate de Springer este atenția specială acordată relațiilor dintre SDE/BSDE și PDE sub ipoteze de regularitate minimă, extinzând rezultatele către modelele cu coeficienți multivoci și SDE reflectate. Subliniem că prezența exercițiilor la finalul fiecărui capitol transformă acest „magnum opus” dintr-o simplă referință teoretică într-un instrument de lucru activ.

Această lucrare constituie o alternativă academică profundă la Backward Stochastic Differential Equations de Jianfeng Zhang pentru cursurile de analiză stochastică avansată, având avantajul unei perspective istorice și fundamentale oferite chiar de unul dintre pionierii domeniului. În contextul operei sale, Etienne Pardoux continuă explorarea metodelor numerice începută în Introduction to Monte-Carlo Methods for Transport and Diffusion Equations, însă aici mută accentul de pe simulare pe fundamentarea analitică a legăturii dintre procesele aleatorii și semiliniaritatea ecuațiilor cu derivate parțiale.