[論文レビュー] Weak approximation of stochastic differential equations and application to derivative pricing

Syoiti Ninomiya, Nicolas Victoir|arXiv (Cornell University)|May 14, 2006

Stochastic processes and financial applications参考文献 9被引用数 5

ひとこと要約

本稿では、キューブチャチャー・オン・ウィーナー・スペースに基づく、確率的微分方程式（SDEs）のための新しい弱近似アルゴリズムを提案する。この手法は、Euler-Maruyama法と比較して、より少ない時間ステップで高い精度を達成する。準モンテカルロ法と組み合わせることで、ヘストンモデル下でのアジア・オプションの価格設定が極めて高速かつ高精度に行える。10⁻⁴の精度を達成する際、標準的手法と比較して最大80倍の計算速度向上を実現する。

ABSTRACT

The authors present a new simple algorithm to approximate weakly stochastic differential equations in the spirit of [1] and [2]. They apply it to the problem of pricing Asian options under the Heston stochastic volatility model, and compare it with other known methods. It is shown that the combination of the suggested algorithm and quasi-Monte Carlo methods makes computations extremely fast. [1] Shigeo Kusuoka, ``Approximation of Expectation of Diffusion Process and Mathematical Finance,'' Advanced Studies in Pure Mathematics, Proceedings of Final Taniguchi Symposium, Nara 1998 (T. Sunada, ed.), vol. 31 2001, pp. 147--165. [2] Terry Lyons and Nicolas Victoir, ``Cubature on Wiener Space,'' Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences 460 (2004), pp. 169--198.

研究の動機と目的

• 一般の拡散過程に適用可能な普遍的で効率的なSDEの弱近似のための確率的手法の開発。
• 特に、ストキャスティック・ボラティリティ下でのパス依存オプション（アジア・オプションなど）のデリバティブ・プライシングにおける計算効率の向上。
• 新アルゴリズムを準モンテカルロ技術と組み合わせ、収束速度の向上と計算コストの低減を実現。
• 精度と実行時間の観点から、標準的なEuler-Maruyama法およびキューブチャチャーに基づく手法と比較して優れた性能を示すこと。

提案手法

• ストラトノビッチ型SDEの解を近似するために、再帰的な指数写像を用いた修正されたウィーナー空間上のキューブチャチャー手法を採用。
• Wong-Zakai定理を活用して弱収束を保証する、ベクトル場の指数関数に基づく時間離散化スキームを適用。
• 二段階の時間分割戦略と、新たな補外技術を組み合わせることで、収束順序の向上を実現。
• 分散低減と収束加速の観点から、準モンテカルロ（QMC）サンプリングを統合。特に、アルゴリズムの低不規則性構造に起因し、高い有効性を示す。
• ヘストンモデルを用いた数値実験を通じて、誤差、サンプル数、CPU時間の観点から検証。
• ロムバーグ補外の導入により、計算複雑性を著しく増加させることなく収束速度のさらなる向上を達成。

実験結果

リサーチクエスチョン

• RQ1 SDEの弱近似のための新アルゴリズムを設計可能か。その際、既存手法と比較して普遍的かつ著しく高速であるか。
• RQ2 準モンテカルロ法と組み合わせた場合、標準的なモンテカルロ法やEuler-Maruyamaスキームと比較して、本手法の性能はいかにか。
• RQ3 ヘストンモデル下でのアジア・オプションの価格設定において、10⁻⁴の精度を達成するための時間分割数とサンプル数はそれぞれどれほど必要か。
• RQ4 本手法は、異なる離散化レベルやサンプリング戦略に対しても高い効率を維持できるか。
• RQ5 新アルゴリズムと準モンテカルロ法の組み合わせは、従来手法と比較して、計算速度と精度の両面でどの程度優れているか。

主な発見

• 本手法は、標準的なEuler-Maruyama法が2000回の時間分割を要するのに対し、わずか12回の時間分割で10⁻⁴の精度を達成する。
• ロムバーグ補外を適用した場合、本手法は4+2の分割で10⁻⁴の精度に到達するが、Euler-Maruyama法は16+8の分割を必要とする。
• 準モンテカルロ法を用いる場合、本手法は10⁻⁴の精度を達成するためのサンプル数を2×10⁵にまで低減できるが、Euler-Maruyama法は5×10⁶のサンプル数を必要とする。
• 本手法に準モンテカルロ法と補外技術を組み合わせた場合、10⁻⁴の精度を達成するのに1.73秒の実行時間がかかる。これはEuler-Maruyama法を80倍高速に達成する。
• 性能向上の背景には、アルゴリズムの構造が準モンテカルロ列の低不規則性と良好に整合していることが要因である。
• 高次の弱近似とQMCの組み合わせが、デリバティブ・プライシングにおいて優れた収束性と効率性を実現することを示している。