Lévy processes under level-dependent Poissonian switching

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een zwemmer bent in een rivier. Deze rivier is niet statisch; soms stroomt hij rustig, soms razend snel, en soms zelfs met tegenstroom. In de wiskunde noemen we zo'n willekeurige stroom een Lévy-proces.

Dit artikel beschrijft een heel specifiek, maar slim scenario voor zo'n zwemmer (of een verzekeringsmaatschappij, zoals we later zien). Hier is de uitleg in gewone taal, met een paar creatieve vergelijkingen.

1. Het Probleem: De "Trage" Schakelaar

Stel je voor dat er een dijk is op hoogte $b$ .

Als je zwemmer onder de dijk zwemt, stroomt hij mee met de normale rivier (noem dit proces $X$ ).
Zodra de zwemmer boven de dijk komt, zou je denken dat hij direct van stroom verandert (bijvoorbeeld omdat hij dividend uitkeert of een andere strategie kiest).

In de oude theorie gebeurde dit direct op het moment dat je de dijk oversteeg. Maar in de echte wereld is dat niet altijd zo. Soms duurt het even voordat een beslissing wordt genomen, of wordt er gekeken op specifieke momenten.

De nieuwe idee in dit artikel:
De zwemmer verandert van stroom niet direct op het moment dat hij de dijk passeert. In plaats daarvan moet hij wachten op een bellen (een belletje dat gaat rinkelen). Deze bellen komen op willekeurige momenten aan (een Poisson-proces).

Als de zwemmer boven de dijk is en er gaat een belletje rinkelen, dan schakelt hij pas over naar de nieuwe stroom (proces $Y$ ).
Als hij weer onder de dijk komt, wacht hij weer op een volgend belletje om terug te schakelen.

Dit is alsof je een thermostaat hebt die niet direct reageert op elke graad temperatuursverandering, maar alleen checkt of je wilt verwarmen of koelen op het moment dat de klok slaat.

2. De Wiskundige "Recepten" (Schalenfuncties)

Wiskundigen hebben al lang "recepten" (formules) om te voorspellen hoe lang een zwemmer het volhoudt voordat hij verdrinkt (ruïne) of hoe hoog hij kan komen. Deze recepten heten schaalfuncties.

Omdat dit nieuwe systeem (zwemmen + wachten op bellen) complexer is, konden de oude recepten niet meer gebruikt worden. De auteurs van dit artikel hebben nieuwe, verbeterde recepten bedacht.

Ze noemen dit "veralgemeende schaalfuncties".
Denk hierbij aan een multitool: een oud mesje dat alleen kon snijden, maar hun nieuwe tool kan snijden, schroeven, en ook nog een fles openmaken. Ze hebben de oude formules aangepast zodat ze ook rekening houden met die "wacht-tijd" tot het volgende belletje.

Met deze nieuwe formules kunnen ze precies berekenen:

De kans op verdrinken: Wat is de kans dat de zwemmer onder de 0 komt (ruïne)?
De kans op succes: Wat is de kans dat hij boven een bepaalde hoogte komt?
De "verloren tijd": Hoeveel tijd heeft hij doorgebracht in de ene stroom versus de andere?

3. De Toepassing: Verzekeringen en Dividend

Waarom is dit nuttig? De auteurs gebruiken dit model voor verzekeringen.

Stel je een verzekeringsmaatschappij voor:

Hun geld (het "surplus") stroomt omhoog en omlaag door premies en uitkeringen (de Lévy-proces).
Als er veel geld is (boven de dijk $b$ ), willen ze dividend uitkeren aan aandeelhouders.
Maar: In het echt kan een bank niet direct op de seconde dat het saldo net boven de limiet springt, een betaling doen. Er is administratieve tijd, of ze kijken pas op het einde van de maand (de "bellen").

Dit artikel laat zien hoe je de kans op faillissement (ruïne) precies kunt berekenen als je rekening houdt met die vertraging.

Als je te snel dividend uitkeert (te vroeg schakelen), kun je failliet gaan.
Als je te lang wacht (te laat schakelen), geef je te veel geld weg dat je misschien nodig had voor een slechte periode.

De nieuwe formules geven de verzekeraar een slimme kompas: ze kunnen nu precies zien hoe de vertraging in de uitbetalingen de kans op faillissement beïnvloedt.

Samenvatting in één zin

Dit artikel introduceert een slimme manier om te berekenen hoe een willekeurig proces (zoals een verzekeringsfonds) zich gedraagt als het van strategie verandert, maar alleen op willekeurige check-momenten in plaats van direct, en levert nieuwe wiskundige gereedschappen om de risico's daarvan exact te meten.

Het is alsof je van een simpele kaart van een rivier overstapt naar een interactieve simulator die rekening houdt met de vertraging van je motor, zodat je precies weet wanneer je veilig kunt varen.

Each language version is independently generated for its own context, not a direct translation.

Hier is een gedetailleerde technische samenvatting van het artikel "Lévy processes under level-dependent Poissonian switching" in het Nederlands.

Titel: Lévy-processen onder niveau-afhankelijke Poissoniaanse schakeling

Auteurs: Noah Beelders, Lewis Ramsden & Apostolos D. Papaioannou
Datum: 6 maart 2026

1. Probleemstelling en Context

Dit artikel onderzoekt een uitbreiding van het concept van gebroken (refracted) Lévy-processen. Traditionele gebroken Lévy-processen veranderen hun dynamiek onmiddellijk wanneer het proces een bepaalde drempel $b$ kruist. Eerdere generalisaties (zoals in [16]) lieten toe dat het proces boven en onder de drempel $b$ verschillende Lévy-processen volgt, maar de schakeling vond plaats bij continu kruisen van de drempel.

De auteurs introduceren een nieuw model waarbij de schakeling tussen twee verschillende spectrale negatieve Lévy-processen (SNLPs), $X$ en $Y$ , niet plaatsvindt bij het continu kruisen van de drempel $b$ , maar alleen wanneer het proces boven de drempel $b$ staat en gelijktijdig een aankomstmoment van een onafhankelijke Poisson-proces $N$ optreedt.

Dit leidt tot een proces $U = \{U_t\}_{t \geq 0}$ dat voldoet aan de volgende hybride stochastische differentiaalvergelijking (SDE):
$U_t = U_0 + \int_0^t \mathbb{1}_{\{U_{T_N(s)} \leq b\}} dX_s + \int_0^t \mathbb{1}_{\{U_{T_N(s)} > b\}} dY_s$
waarbij $T_N(s)$ de laatste Poisson-aankomst voor tijd $s$ aanduidt.

Toepassingsgebied: Het model is specifiek relevant voor verzekeringsrisico-theorie. Het simuleert een risicoproces waarbij dividenduitkeringen (die de reserve verlagen) niet direct worden gestart of gestopt zodra de reserve een drempel $b$ passeert, maar met een vertraging die gekoppeld is aan observatiemomenten (Poisson-aankomsten). Dit weerspiegelt de realiteit beter, waar dividendbeslissingen vaak met vertraging worden uitgevoerd.

2. Methodologie

De aanpak van de auteurs bestaat uit drie hoofdcomponenten:

A. Bestaan en Uniekheid van de Oplossing

In Sectie 3 wordt bewezen dat er een sterke oplossing bestaat voor de bovengenoemde hybride SDE, zelfs in het geval van onbegrensde variatie (waarbij eerdere modellen zoals [16] moeite hadden met de constructie).

De oplossing wordt pad-voor-pad (pathwise) geconstrueerd door de trajecten van $X$ en $Y$ te "plakken" op de intervallen gedefinieerd door de Poisson-aankomsttijden $T_i$ .
De schakeltijden $K^+_{b,n}$ en $K^-_{b,n}$ worden gedefinieerd als de eerste Poisson-momenten waarop het proces respectievelijk boven of onder de drempel $b$ terechtkomt.
Het proces $(U_t, Q_t)$ , waarbij $Q_t$ een indicator is of het proces boven $b$ is, bezit de sterke Markov-eigenschap.

B. Generalisatie van Schaalfuncties (Scale Functions)

De fluctuatietheorie voor Lévy-processen rust zwaar op de bekende $W$ - en $Z$ -schaalfuncties. Omdat dit proces dynamiek wisselt, introduceren de auteurs nieuwe generalisaties van schaalfuncties:

Twee generaties schaalfuncties: Ze gebruiken bestaande "tweede generatie" schaalfuncties (zoals $W^{(p,q)}_u$ ) en combineren deze met de specifieke dynamiek van de Poisson-schakeling.
Nieuwe functies: Er worden geavanceerde functies gedefinieerd, zoals $\gamma^{(q,\lambda)}_b$ , $G^{(q,\lambda)}_u$ , en $A^{(q,\lambda)}_u$ , die convoluties bevatten van de standaard schaalfuncties van $X$ en $Y$ met de Poisson-rate $\lambda$ . Deze functies vormen de kern van de afgeleide identiteiten.

C. Afleiding van Identiteiten

De auteurs gebruiken de sterke Markov-eigenschap en voorwaartse analyse (conditioning) op de eerste Poisson-aankomst of de eerste doorgangstijd om recursieve vergelijkingen op te stellen. Deze worden opgelost met behulp van de nieuwe schaalfuncties om uitdrukkingen te vinden voor:

Tweezijdige uitgangsproblemen (exit problems).
Eenzijdige uitgangsproblemen.
Potentiële maten (potential measures), zowel voor gedoodde als niet-gedode processen.

3. Belangrijkste Resultaten

De paper levert expliciete formules voor de Laplace-getransformeerden van verschillende fluctuaties, uitgedrukt in de nieuwe generalisaties van schaalfuncties.

A. Tweezijdige Uitgangsproblemen (Two-sided Exit)

Voor een proces startend bij $x \in [0, a]$ , worden de Laplace-getransformeerden van de kans om boven $a$ uit te komen voordat het onder $0$ zakt (en vice versa) afgeleid.

Resultaat: De kans wordt gegeven door een ratio van nieuwe functies $U^{(q,\lambda)}_{b,a}(x)$ en $V^{(q,\lambda)}_{b,a}(x)$ , die afhankelijk zijn van de schaalfuncties van zowel $X$ als $Y$ en de Poisson-rate $\lambda$ .
Dit generaliseert de klassieke resultaten voor Lévy-processen en bestaande gebroken Lévy-processen.

B. Eenzijdige Uitgangsproblemen en Potentiële Maten

Door de bovengrens $a \to \infty$ te laten gaan, worden de resultaten voor eenzijdige uitgang en de potentiële maat (de verwachte tijd die het proces in een bepaalde set doorbrengt) afgeleid.

Er worden limieten genomen waarbij de schaalfuncties asymptotisch gedrag vertonen (gebruikmakend van de inverse Laplace-exponenten $\Phi_q$ en $\phi_q$ ).
De resultaten omvatten zowel het geval met een bovengrens als het geval zonder bovengrens.

C. Toepassing op Ruïnekans (Ruin Probability)

In Sectie 4.4 wordt een specifiek verzekeringsmodel geanalyseerd waarbij $Y_t = X_t - \delta t$ (dividenduitkeringen met rate $\delta$ ).

De auteurs leiden een expliciete uitdrukking af voor de ruïnekans $P_x(\tau^-_{0,U} < \infty)$ .
De formule toont aan hoe de vertraging in dividendbetalingen (gecontroleerd door $\lambda$ ) en de dividendrate $\delta$ de ruïnekans beïnvloeden.
De uitdrukking bevat termen zoals $\psi'(0+) - \delta$ (de netto drift) en integrals van de schaalfuncties, wat inzicht geeft in de stabiliteit van het risicoproces onder deze vertraagde strategie.

4. Significatie en Bijdrage

De bijdragen van dit artikel zijn zowel theoretisch als praktisch van belang:

Theoretische Uitbreiding: Het artikel lost het probleem op van het bestaan van een sterke oplossing voor hybride SDE's met niveau-afhankelijke schakeling die alleen bij Poisson-momenten plaatsvindt, zelfs voor processen met onbegrensde variatie. Dit is een significant vooruitgang ten opzichte van eerdere modellen die alleen voor begrensd variatie werkten of geen sterke oplossing garandeerden.
Nieuw Wiskundig Gereedschap: De introductie van de generalisaties van schaalfuncties ( $U^{(q,\lambda)}$ , $V^{(q,\lambda)}$ , etc.) biedt een krachtig nieuw raamwerk voor het analyseren van processen met "geheugen" of vertraging in de dynamische verandering.
Praktische Relevantie voor Risicomanagement: Het model biedt een realistischere beschrijving van dividendbeleid in de verzekering. In de praktijk worden dividenduitkeringen niet direct gestopt zodra de reserve daalt, maar vaak pas na een periode van observatie. Dit model kwantificeert de impact van deze vertragingen op de ruïnekans, wat cruciaal is voor solvabiliteitsbeheer.
Verbinding met Bestaande Literatuur: De resultaten generaliseren bekende resultaten uit de fluctuatietheorie van Lévy-processen en specifieke gevallen van gebroken Lévy-processen, en tonen aan dat deze nieuwe modellen consistent zijn met de klassieke theorie wanneer de Poisson-rate $\lambda \to \infty$ (onmiddellijke schakeling) of wanneer $X=Y$ .

Samenvattend biedt dit artikel een robuust wiskundig fundament voor het analyseren van complexe risicomodellen met vertraagde dynamische veranderingen, met directe toepasbaarheid in de actuariële wetenschap.