路径分段：面向 G-SDE 的几何准确定性解构构

本文探讨了一种几何方法，用于在模型不确定性下构建 G-随机微分方程（G-SDE）的准确解。我们提出了一种路径分段方法，系统性地将特定测度的解组合成统一、可测的过程。该构构依赖于路径唯一性和 G-期望框架的凸结构，以确保不同概率测度之间的兼容性。我们进一步研究了在该框架内发展稳健 Malliavin 微积分的可能性。通过通过继承准确结构的可变分方程来重新表述 Malliavin 导数，以克服传统在多测度设置下 L^2-闭合论证的挑战。虽然我们的做法提供了更好的几何直觉和更透明的随机分析不确定性建模的基础，但我们认识到其局限性以及需要进一步调查其完整范围和适用性的必要性。这些结果可能对稳健金融数学和随机控制具有启示意义，但我们将其作为更全面理论的初步步骤。