[논문 리뷰] Numerical simulation of BSDEs using empirical regression methods: theory and practice

Emmanuel Gobet, Jean-Philippe Lemor|ArXiv.org|2008. 06. 27.

Stochastic processes and financial applications참고 문헌 16인용 수 28

한 줄 요약

이 논문은 기저 함수 위에 대한 경험적 회귀를 사용하여 일반화된 역수확성 확률미분방정식(Backward Stochastic Differential Equations, BSDEs)과 반사 BSDEs를 해결하기 위한 새로운 수치 알고리즘을 제안한다. 이 알고리즘은 명시적인 오차 한계와 효율적인 몬테카를로 시뮬레이션을 제공하며, 차원 수가 10에 이르는 고차원 수치해를 달성하면서도 이전 방법들에 비해 유연성과 모델에 종속되지 않는 설계에서 뛰어난 성능을 발휘한다.

ABSTRACT

This article deals with the numerical resolution of backward stochastic differential equations. Firstly, we consider a rather general case where the filtration is generated by a Brownian motion and a Poisson random measure. We provide a simulation algorithm based on iterative regressions on function bases, which coefficients are evaluated using Monte Carlo simulations. We state fully explicit error bounds. Secondly, restricting to the case of a Brownian filtration, we consider reflected BSDEs and adapt the previous algorithm to that situation. The complexity of the algorithm is very competitive and allows us to treat numerical results in dimension 10.

연구 동기 및 목표

• 브라운 운동과 포아송 랜덤 측도에 의해 구동되는 일반화된 BSDEs를 해결하기 위한 유연하고 모델에 종속되지 않는 수치적 방법을 개발하기 위해.
• 반사 장벽을 갖는 반사 BSDEs로의 방법 확장을 통해 고차원에서의 아메리칸 스타일 옵션 가격 결정을 가능하게 하기 위해.
• 최적의 파rameter 선택(시간 간격 h, 기저 함수 수, 시뮬레이션 수)을 안내할 수 있는 명시적이고 전부 계산 가능한 오차 한계를 제공하기 위해.
• 이전 방법들이 O(M/h)의 시뮬레이션을 필요로 하는 반면, 모든 회귀 단계에 동일한 몬테카를로 시뮬레이션 세트를 사용함으로써 계산 비용을 줄이기 위해.
• 분포에 종속되지 않는 회귀 기법에 의존함으로써 안정성과 일반성을 확보하고, 정방향 과정 X에 대한 가정을 최소화하기 위해.

제안 방법

• 시간 간격 h를 갖는 시간 그리드로 BSDE를 이산화하여, 역방향 동적계획 문제로 변환한다.
• 유한 차원의 기저 함수 집합(예: 초입방체 지표 함수 또는 다항식) 위에 경험적 회귀를 통해 동적계획 방정식 내 조건부 기대값을 근사한다.
• 정방향 과정 X의 몬테카를로 시뮬레이션을 사용하여 회귀 계수를 추정하며, M개의 경로를 한 번만 시뮬레이션하여 모든 시간 단계에 사용한다.
• 정규화 또는 페널티 기법(예: φn를 통해)을 적용하여 회귀를 안정화하고 반사 BSDEs에서의 반사 효과를 처리한다.
• 안정성을 확보하기 위해 절단 임계치 R을 사용하며, 실질적으로 오차에 미치는 영향은 무시할 수 있다.
• 최소 제곱 최소화를 통해 각 시간 단계에서 Y, Z 및 드라이버 f의 추정치를 시간 순서로 뒤에서부터 순차적으로 갱신한다.

실험 결과

연구 질문

• RQ1 점프 디퓨전과 일반 드라이버 함수를 갖는 고차원 일반화된 BSDEs를 해결하기 위한 수치적으로 안정적이고 효율적인 알고리즘을 어떻게 설계할 수 있는가?
• RQ2 회귀 기반 BSDE 해법에 대해 유도 가능한 명시적 오차 한계는 무엇이며, 시간 간격 h, 기저 함수 수, 시뮬레이션 수 M, 절단 R에 따라 어떻게 달라지는가?
• RQ3 모든 시간 단계에서 동일한 시뮬레이션 세트를 재사용하여 계산 비용을 줄일 수 있으며, 이는 정확도에 어떤 영향을 미치는가?
• RQ4 회귀 기반 접근법은 어떻게 반사 BSDEs를 다룰 수 있으며, 다양한 공식화(최대값, 정규화, 페널티) 간의 수렴성과 안정성의 차이는 무엇인가?
• RQ5 이 방법은 얼마나 모델에 종속되지 않게 유지될 수 있으며, 정방향 과정 X의 특정 성질에 의존하지 않고 경로 시뮬레이션만으로도 적용 가능한가?

주요 결과

• 알고리즘은 차원 수가 10에 이르는 아메리칸 옵션에 대해 정확한 수치해를 달성하며, 10차원 수익 구조에 대해 4.876의 가격을 도출하여 기준 PDE 결과인 4.896에 매우 가까운 결과를 얻었다.
• 차원 d=1일 때, 이 방법은 기준 PDE 결과 4.23과 말리아빈 방법 결과 4.21을 재현하며, N과 δ가 증가할수록 편향이 감소함을 보였다.
• 초입방체 기저 함수와 각 초입방체에서의 선형 다항식을 사용한 최대값 방법은 고차원에서 안정적인 결과를 도출하였으며, M=65,536개의 시뮬레이션으로 15초 내에 해를 도출하였다.
• 모든 회귀 단계에 동일한 M개의 시뮬레이션 세트만으로도 충분하여, 이전 방법들이 O(M/h)의 시뮬레이션을 필요로 하는 것에 비해 계산 비용을 크게 줄였다.
• 명시적인 오차 한계가 도출되었으며, 이는 h, 기저 함수 수, M, R에 따라 달라지며, 원하는 정밀도를 확보하기 위한 최적의 파rameter 조정이 가능하다.
• 분포에 종속되지 않는 회귀 기법에 의존함으로써 안정성과 민감도를 확보하였으며, 타원성 또는 말리아빈 미적분학에 대한 가정 없이도 다양한 정방향 과정에 적용 가능하여 일반성과 탄력성을 확보하였다.