[論文レビュー] Numerical Algorithms for BSDEs: Convergence and Simulations

Shigē Péng, Mingyu Xu|arXiv (Cornell University)|Nov 28, 2006

Stochastic processes and financial applications被引用数 3

ひとこと要約

本稿では、1次元の後向きストキャスティック微分方程式（BSDE）およびリフレクテッドBSDEを、ランダムウォークフレームワークを用いて解くための暗黙的および陽的数値スキームを提案する。これらのアルゴリズムの収束性が確立され、さまざまなBSDEの種類において有効性を示すシミュレーション結果が提示されている。

ABSTRACT

In this paper we study different algorithms for backward stochastic differential equations (BSDE in short) basing on random walk framework for 1-dimensional Brownian motion. Implicit and explicit schemes for both BSDE and reflected BSDE are introduced. Then we prove the convergence of different algorithms and present simulation results for different types of BSDEs.

研究の動機と目的

• 1次元の後向きストキャスティック微分方程式（BSDE）を解くための信頼性の高い数値手法の開発。
• 反射バリアを組み込んだリフレクテッドBSDEへこれらの手法を拡張すること。
• ランダムウォークフレームワーク下で、暗黙的および陽的スキームの収束性を証明すること。
• 包括的なシミュレーションを通じて、アルゴリズムの性能を評価すること。

提案手法

• 研究では、BSDEを駆動する1次元ブラウン運動のランダムウォーク近似を採用する。
• 標準的およびリフレクテッドBSDEの両方の時間離散化スキームとして、陽的および暗黙的スキームを定式化する。
• スキームは、ランダムウォーク構造に基づく条件付き期待値の近似と後向き帰納法を用いて導出される。
• 収束性は、ランダムウォークフレームワーク内での安定性および一貫性の議論を用いて証明される。
• スキームの数値的挙動を検証するため、複数のテストケースにおけるシミュレーションが実施される。
• ランダムウォークフレームワークにより、モンテカルロサンプリングを用いた条件付き期待値の効率的計算が可能になる。

実験結果

リサーチクエスチョン

• RQ1 ランダムウォークフレームワーク下で、暗黙的および陽的スキームは1次元BSDEの解をどの程度正確に近似するか？
• RQ2 時間刻みサイズを小さくするに従って、これらのスキームの収束挙動はいかなるものか？
• RQ3 リフレクテッドBSDEにおける追加の制約、例えば反射バリアは、これらのスキームにどのように影響を与えるか？
• RQ4 さまざまな種類のBSDEにおいて、アルゴリズムの精度および安定性はどの程度か？
• RQ5 複雑な終値条件を有するBSDEの数値的解法に、ランダムウォークフレームワークは効果的に対応できるか？

主な発見

• 提案されたBSDE用の暗黙的および陽的スキームは、時間刻みサイズがゼロに近づくにつれて、ランダムウォークフレームワーク下で収束することが示された。
• 一貫性および安定性の理論的分析を通じて、収束性が厳密に確立された。
• シミュレーション結果により、さまざまなテストケースにおいて両スキームの数値的安定性および精度が確認された。
• リフレクテッドBSDE用のスキームは、反射条件を適切に処理しながらも収束性を維持した。
• ランダムウォークフレームワークにより、BSDEソルバーに必要な条件付き期待値の効率的かつ正確な計算が可能になった。
• 非滑らかまたは不規則な終値条件を有するBSDEに対しても、アルゴリズムは頑健な性能を示した。