[논문 리뷰] Monte Carlo for high-dimensional degenerated Semi Linear and Full Non Linear PDEs

Xavier Warin|arXiv (Cornell University)|2018. 05. 14.

Stochastic processes and financial applications참고 문헌 15인용 수 8

한 줄 요약

이 논문은 고차원 비선형 PDE를 해결하기 위한 몬테카를로 방법을 확장하여, 열거된 확률적 과정과 랜덤 시간 간격을 활용해 차원의 극복 문제를 피하고자 한다. 이 방법은 차원 수가 d=10에 이르는 고차원에서 수렴성을 확보하며, 계산 시간이 20초 이내로 유지되어 포트폴리오 최적화 문제에 효과적으로 적용됨을 보여준다.

ABSTRACT

We extend a recently developed method to solve semi-linear PDEs to the case of a degenerated diffusion. Being a pure Monte Carlo method it does not suffer from the so called curse of dimensionality and it can be used to solve problems that were out of reach so far. We give some results of convergence and show numerically that it is effective. Besides we numerically show that the new scheme developed can be used to solve some full non linear PDEs. At last we provide an effective algorithm to implement the scheme.

연구 동기 및 목표

• d≈6–7 이상에서 결정론적 및 회귀 기반 방법이 실패하는 고차원 비선형 PDE 해결 시 차원의 극복 문제를 해결하고자 한다.
• 비퇴도성 반선형 PDE에 대한 이전 몬테카를로 방법을 퇄도성 분산 계수의 경우로 확장하고자 한다.
• 고차원에서 기저 함수 전개로 인한 메모리 폭주를 피할 수 있는 수치적으로 효과적인 알고리즘을 개발하고자 한다.
• 수렴성이 증명되지 않았지만 수치 결과가 유망한 점을 감안해, 이 방법이 완전히 비선형 PDE에 적용 가능한지 탐색하고자 한다.

제안 방법

• 이 방법은 [22]의 영향을 받아, 퇴도성 분산을 가진 반선형 PDE를 해결하기 위해 랜덤 시간 간격을 사용하는 중첩 몬테카를로 기반 기법을 사용한다.
• 고정된 스위치 수(즉, 중첩 수준) 이후에 타원형 기법을 도입하며, 형상 매개수 α < 1인 감마 분포를 가진 랜덤 시간 간격을 기반으로 한다.
• 이 기법은 페인만-카츠 표현과 확률적 제어 공식화에 기반하여, PDE를 중첩 기대값을 포함하는 후행 확률 미분 방정식(BSDE)으로 변환한다.
• 주요 혁신은 비가역적 분산 행렬 σ를 사용하여 퇴도성 분산을 처리할 수 있도록 하며, 이는 의사역행렬 또는 차원을 줄인 동역학으로 문제를 재구성함으로써 달성된다.
• 알고리즘은 16개 노드(448개 코어)를 활용한 MPI 기반 병렬 처리를 통해 실행되며, 확장 가능한 난수 생성을 위해 Tina의 난수 생성기를 사용한다.
• 완전히 비선형 PDE의 경우, 수치적 안정성을 확보하기 위해 생성자 함수 f의 제어 기반 타원형 기법을 사용하여 리프시츠 연속성을 보장한다.

실험 결과

연구 질문

• RQ1 기존의 회귀 기반 방법이 메모리 제약으로 실패하는 고차원 반선형 PDE를 해결하는 데 순수 몬테카를로 방법이 효과적으로 작용할 수 있는가?
• RQ2 랜덤 시간 간격을 사용하는 중첩 몬테카를로 기법이 분산 행렬 σ가 퇴도성일 경우에도 수렴성과 정확성을 유지하는가?
• RQ3 수렴성이 증명되지 않았음에도 불구하고, 이 방법이 완전히 비선형 PDE로까지 얼마나 널리 확장 가능한가?
• RQ4 계산 비용은 차원 증가에 따라 어떻게 변화하며, d=8 또는 d=10에서 20초 이내로 유지되어 실용적인가?
• RQ5 감마 분포를 가진 랜덤 시간 간격(α < 1)이 해의 안정성과 정확성에 미치는 영향은 무엇인가?

주요 결과

• 이 방법은 d=10에서 퇴도성 분산을 가진 반선형 PDE를 성공적으로 해결하였으며, 기준값과의 오차가 0.0008 이내인 정확도를 확보하고 20초 이내에 계산을 완료하였다.
• 일차원 포트폴리오 최적화 문제에서, 두 번의 스위치와 함께 N₀⁰=1000, N₁⁰=40 조건에서 가치 함수 추정치 0.3661을 도출하였으며, 준해석적 해인 -0.3662와 일치하였다.
• d=3, d=8, d=10의 고차원에서, M=4 및 σ̄=0.2 조건에서 이론적 해와의 오차가 0.0008 이내로 높은 정확도를 유지하였다.
• 계산 시간은 차원에 따라 선형적으로 증가하였으며, d=10에서도 20초 이내로 유지되어, 기존의 회귀 기반 방법의 한계를 초월하는 확장성을 입증하였다.
• 수치 실험 결과, 이 방법은 완전히 비선형 PDE에 적용 가능할 것으로 보이며, 수렴성은 아직 증명되지 않았지만 실용적 적용에 있어 유망한 결과를 보였다.
• 감마 분포를 가진 시간 간격(α<1)의 사용은 수렴에 필수적이었으며, α=1인 지수 극한의 경우 성능 측면에서 수치적으로 최적의 결과를 보였다.