[논문 리뷰] Levy area logistic expansion and simulation

Simon J. A. Malham, Anke Wiese|arXiv (Cornell University)|2011. 07. 01.

Stochastic processes and financial applications인용 수 1

한 줄 요약

이 논문은 두 차원 확률 미분 방정식에서 Lévy 영역을 샘플링하기 위한 새로운 효율적 방법을 제안한다. 이 방법은 유한한 수열의 가중치가 부여된 로지스틱 난수 변수의 무한급수를 사용한다. 누적분포함수의 역함수를 근사하기 위해 체비셰프 다항식을 활용하여 오차를 10^(-12) 수준에서 균일하게 제어함으로써, 이론적으로 제곱-로그 형태의 복잡도를 달성하고, 높은 정확도를 갖는 강한 Milstein 스킴을 실현 가능하게 한다. 이는 준 몬테카를로 구현에 적합하다.

ABSTRACT

We present a new method for sampling the Levy area for a two-dimensional Wiener process conditioned on its endpoints. An efficient sampler for the Levy area is required to implement a strong Milstein numerical scheme to approximate the solution of a stochastic differential equation driven by a two-dimensional Wiener process whose diffusion vector fields do not commute. Our method is simple and complementary to those of Gaines-Lyons and Wiktorsson, and amenable to quasi-Monte--Carlo implementation. It is based on representing the Levy area by an infinite weighted sum of independent Logistic random variables. We use Chebychev polynomials to approximate the inverse distribution function of sums of independent Logistic random variables in three characteristic regimes. The error is controlled by the degree of the polynomials, we set the error to be uniformly 10^(-12). We thus establish a strong almost-exact Levy area sampling method. The complexity of our method is square logarithmic. We indicate how our method can contribute to efficient sampling in higher dimensions.

연구 동기 및 목표

• 두 차원 브라운 운동에서 끝점 조건이 주어진 Lévy 영역에 대한 효율적이고 정확한 샘플링 방법을 개발하기 위해.
• 기존 샘플러의 한계를 극복하기 위해 준 몬테카를로 기법과 호환되는 방법을 제공하기 위해.
• 역누적분포함수 근사에서 균일하게 제어되는 오차를 확보하기 위해, 특히 오차를 10^(-12)로 설정하기 위해.
• 비가환 확산 벡터장이 있는 SDE에 대해 강한 Milstein 스킴의 실용적 구현을 가능하게 하기 위해.
• 구조적 일반화를 통해 이 접근법을 고차원 확률 과정으로 확장하기 위해.

제안 방법

• Lévy 영역는 상호독립적인 로지스틱 난수 변수들의 무한한 가중합으로 표현된다.
• 부분합의 누적분포함수의 역함수를 근사하기 위해 체비셰프 다항식이 사용된다.
• 합의 분포에 대해 세 가지의 구체적인 특성적 영역을 식별하고, 각각을 별도로 처리하여 근사 정확도를 최적화한다.
• 체비셰프 다항식의 차수는 역누적분포함수 근사에서 균일한 오차가 10^(-12) 이내로 제한되도록 선택된다.
• 이 방법은 준 몬테카를로 통합과 호환되도록 설계되어 수치 시뮬레이션에서 수렴 속도를 향상시킨다.
• 샘플링 절차의 복잡도는 원하는 정밀도의 역수에 대한 로그의 제곱 비례로 증가한다.

실험 결과

연구 질문

• RQ1 두 차원 브라운 운동의 Lévy 영역를 고정밀도와 저비용으로 어떻게 샘플링할 수 있는가?
• RQ2 가중치가 부여된 로지스틱 난수 변수의 합으로 표현하면, 효율적이고 정확한 역변환 샘플링이 가능한가?
• RQ3 어떤 근사 전략이 다양한 분포 영역에서 10^(-12) 수준의 균일한 오차 제어를 보장하는가?
• RQ4 이 방법의 복잡도는 원하는 정밀도에 따라 어떻게 변화하는가? 제곱-로그 형태의 복잡도를 달성할 수 있는가?
• RQ5 이 접근법은 얼마나 넓은 범위로 고차원 확률 과정으로 확장될 수 있는가?

주요 결과

• 제안된 방법은 적응형 체비셰프 다항식 근사를 통해 역누적분포함수 근사에서 10^(-12) 수준의 균일한 오차 한계를 확보한다.
• 샘플링 복잡도는 오차 허용 오차의 역수의 로그의 제곱 비례로 증가하여 높은 효율성을 나타낸다.
• 이 방법은 준 몬테카를로 방법과 호환되어 수치 시뮬레이션에서 수렴 속도를 향상시킨다.
• Lévy 영역를 가중치가 부여된 로지스틱 변수들의 합으로 표현함으로써, 모든 영역에서 안정적이고 정확한 샘플링이 가능해진다.
• 이 방법은 고차수 Milstein 스킴을 구현하기에 적합한 강한 거의 정확한 샘플링 방법을 제공한다.
• 이 프레임워크는 고차원 SDE로의 확장이 가능하여 다차원 환경에서의 효율적 시뮬레이션을 위한 길을 열어준다.