[論文レビュー] Solving Backward Stochastic Differential Equations with quadratic-growth drivers by Connecting the Short-term Expansions

Masaaki Fujii, Akihiko Takahashi|arXiv (Cornell University)|Jun 14, 2016

Stochastic processes and financial applications被引用数 3

ひとこと要約

本稿では、時間区間を短い区間に分割し、各区間で半解析的漸近展開を適用することにより、2次成長型ドライバーを有するマルコフ型後向きストキャスティック微分方程式（BSDE）を解くための新規数値スキームを提案する。この手法は、値プロセスおよび制御プロセスの両方において $L^p$-ノルムで $\/mathcal{O}(h^{3p/2})$ の誤差バインディングを達成し、モンテカルロシミュレーションや回帰ベースの条件付き期待値推定を用いずに高精度な解を得ることが可能である。

ABSTRACT

This article proposes a new approximation scheme for quadratic-growth BSDEs in a Markovian setting by connecting a series of semi-analytic asymptotic expansions applied to short-time intervals. Although there remains a condition which needs to be checked a posteriori, one can avoid altogether time-consuming Monte Carlo simulation and other numerical integrations for estimating conditional expectations at each space-time node. Numerical examples of quadratic-growth as well as Lipschitz BSDEs suggest that the scheme works well even for large quadratic coefficients, and a fortiori for large Lipschitz constants.

研究の動機と目的

• 金融リスク管理およびユーティリティ最適化において広く見られる2次成長型ドライバーを有するマルコフ型BSDEに対して、計算効率の高い数値スキームの開発を目的とする。
• 各時刻ノードにおける時間的に遅延する条件付き期待値推定を回避することで、標準的なモンテカルロ法や回帰ベースの手法の限界を克服することを目的とする。
• 従来、小さな非線形性にのみ有効であった半解析的漸近法を、時間分解を用いることで大規模な2次係数に対しても適用可能にする。
• 2次成長型と標準的なリプシッツ型BSDEの両方に適用可能な統一的なフレームワークを提供し、一般性および計算スケーラビリティを向上させることを目的とする。

提案手法

• 終端時刻区間を $n$ 個の短い部分区間 $I_i = [t_{i-1}, t_i]$ に分割し、非線形ダイナミクスを局所化する。
• 各部分区間に対して2次漸近展開を適用する：線形化ドライバーに基づく零次解 $\widehat{Y}^{i,[0]}, \widehat{Z}^{i,[0]}$ と、残差誤差に対する一次補正 $\widehat{Y}^{i,[1]}$。
• 直前の区間の解を次の区間の初期条件として用い、再帰的接続により時間的一致性を確保する。
• 摂動終端条件フレームワークを用いて誤差伝播バインディングを確立し、真の解と近似解の差を $L^p$-ノルムで分析する。
• 漸近展開誤差を摂動解析に代入することで総誤差推定値を導出し、$\mathcal{O}(h^{3p/2})$ の収束率が得られる。
• リプシッツ型BSDEおよびSDEに関する既知の正則性結果を活用し、短時間区間における状態および制御プロセスの増分の成長を制御する。

実験結果

リサーチクエスチョン

• RQ1 標準的な摂動法が破綻する2次成長型ドライバーを有するBSDEに対して、漸近展開技法を拡張して適用可能か？
• RQ2 マルコフ型BSDEにおいて、複数の区間にわたる短時間漸近近似を接続する際の誤差伝播挙動はいかなるものか？
• RQ3 提案スキームは、モンテカルロシミュレーションや回帰ベースの条件付き期待値推定に依存せずに高精度を達成できるか？
• RQ4 非線形効果が支配的となる大規模な2次係数または高ボラティリティ状態下でも、このスキームは性能を発揮するか？
• RQ5 この手法は2次成長型と標準的なリプシッツ型BSDEの両方に適用可能であり、統一的な計算フレームワークを提供できるか？

主な発見

• 提案スキームは、各短時間区間において、解 $Y$ および制御プロセス $Z$ の両方について $L^p$-ノルムで $\mathcal{O}(h^{3p/2})$ の誤差バインディングを達成し、$p \geq 2$ を満たす。
• 誤差推定は、真の解と漸近近似の差を分析することで得られ、残差誤差をリプシッツ型BSDEにおける摂動として扱う。
• モンテカルロシミュレーションや回帰ベースの条件付き期待値推定を回避することで、標準的手法と比較して計算コストを顕著に低減する。
• 数値例は、大規模な2次係数や高ボラティリティ下でも安定した性能を示しており、摂動的領域を超えた安定性を示唆している。
• このスキームは2次成長型と標準的なリプシッツ型BSDEの両方に適用可能であり、統一的な数値フレームワークの可能性を示唆している。
• 理論的裏付けは、零次解の有界性および基礎となるSDEの正則性に依存しており、短時間区間における誤差が制御可能であることを保証する。