El SDE es un ejemplo concreto de lo que se denomina lineal SDE
dX_t = (\alpha(t)+\beta(t) X_t) \, dt + (\gamma(t)+\delta(t) X_t) \, dW_t \tag{1}
donde \alpha, \beta,\gamma,\delta son funciones deterministas. Tal lineal SDEs puede ser resuelto de manera explícita, y se puede encontrar la fórmula para la solución, por ejemplo, en el libro movimiento Browniano de Una Introducción a los Procesos Estocásticos por Schilling & Partzsch. La idea es resolver primero la homogeneidad de SDE
dX_t = \beta(t) X_t \, dt + \delta(t) X_t \, dW_t
y, a continuación, utilizar una "variación de las constantes"-enfoque, ver a esta pregunta. Para el caso particular de que \alpha=\beta=0 la solución a (1) está dado por
X_t = \exp \left( M_t \right) \left[ X_0 + \int_0^t \exp(-M_s) \gamma(s) \, dW_s - \int_0^t \exp(-M_s) \gamma(s) \delta(s) \, ds \right]
donde
M_t := \int_0^t \delta(s) \, dW_s - \frac{1}{2} \int_0^t \delta(s)^2 \, ds.
Conectar \delta(t) = \sqrt{t} e \gamma(t) = \sqrt{t} \sin t da la solución a la SDE
dX_t = \sqrt{t} (X_t+\sin t) \, dW_t. \tag{2}
Usted puede utilizar el enfoque, que he mencionado anteriormente, para "convencer" la fórmula para la solución, es decir, primero resolver la SDE
dX_t = \sqrt{t} X_t \, dW_t
y, a continuación, utilizar la "variación de las constantes"-enfoque para obtener la solución a (2).