[논문 리뷰] Simulation of conditional diffusions via forward-reverse stochastic representations

Christian Bayer, John Schoenmakers|arXiv (Cornell University)|2013. 01. 01.

Financial Risk and Volatility Modeling참고 문헌 8인용 수 1

한 줄 요약

이 논문은 끝단 상태로 조건화된 다차원 확산 과정을 시뮬레이션하기 위해 정방향-역방향 스토케스틱 표현을 도입하며, 루트-N 정확도를 갖는 몬테카를로 추정을 가능하게 한다. 이 방법은 차원의 저주를 피하고, 확산 복잡도 모델에서 실현된 변동성의 예시를 통해 검증된다.

ABSTRACT

In this paper we derive stochastic representations for the finite dimensional distributions of a multidimensional diffusion on a fixed time interval, conditioned on the terminal state. The conditioning can be with respect to a fixed point or more generally with respect to some subset. The representations rely on a reverse process connected with the given (forward) diffusion as introduced in Milstein et al. [Bernoulli 10(2):281312, 2004] in the context of a forward-reverse transition density estimator. The corresponding Monte Carlo estimators have essentially root-N accuracy, hence they do not suffer from the curse of dimensionality. We provide a detailed convergence analysis and give a numerical example involving the realized variance in a stochastic volatility asset model conditioned on a fixed terminal value of the asset.

연구 동기 및 목표

• 끝단 상태로 조건화된 확산 과정을 시뮬레이션하기 위한 정확하고 차원에 의존하지 않는 몬테카를로 방법을 개발하는 것.
• 지수적 계산 비용 없이 고차원 확산 과정에서 조건부 분포를 시뮬레이션하는 데 도전하는 것.
• 정방향-역방향 전이 밀도 추정기 프레임워크를 확산의 유한차원 분포로 확장하는 것.
• 제안된 시뮬레이션 방법에 대한 수렴 분석과 수치적 검증을 제공하는 것.

제안 방법

• 원래의 정방향 확산 과정의 종단값에 조건화된 유한차원 분포에 대한 스토케스틱 표현을 역과정을 사용하여 유도한다.
• 밀스타인 등(2004)에서 소개된 바와 같이 원래의 정방향 확산과 연결된 역방향 SDE를 활용하여 역행 샘플링을 가능하게 한다.
• 정방향-역방향 결합 기반 몬테카를로 추정기를 구축하여 루트-N 수렴 속도를 보장한다.
• 예를 들어 확산 복잡도 모델에서 실현된 변동성과 같은 조건부 기대값을 추정하기 위해 방법을 적용한다.
• 역과정을 사용하여 종단 조건에 부합하는 경로를 생성함으로써 편향 없는 추정을 가능하게 한다.
• 추정기들의 이론적 정확성과 안정성에 대한 철저한 수렴 분석을 수행한다.

실험 결과

연구 질문

• RQ1 정방향-역방향 스토케스틱 표현은 고차원에서 조건부 확산을 정확하게 시뮬레이션할 수 있는가?
• RQ2 제안된 방법은 차원의 저주 없이 루트-N 정확도를 유지하는가?
• RQ3 확산 복잡도 모델에서 실현된 변동성과 같은 조건부 기대값을 추정할 때 방법의 성능은 어떠한가?
• RQ4 정방향-역방향 표현 기반 몬테카를로 추정기의 이론적 수렴 행동은 어떠한가?

주요 결과

• 제안된 몬테카를로 추정기는 루트-N 정확도를 확보하여 차원에 관계없이 신뢰할 수 있는 수렴을 보장한다.
• 이 방법은 차원의 저주를 성공적으로 피하며, 고차원 확산 과정에 적합하다.
• 수치적 결과는 조건부 분포 시뮬레이션에서 이론적 수렴 속도와 안정성을 확인한다.
• 고정된 종단 자산 가격으로 조건화된 확산 복잡도 모델에서 실현된 변동성의 정확한 추정이 가능하다.
• 정방향-역방향 표현 프레임워크는 확산 과정에서 조건부 시뮬레이션을 위한 강력하고 효율적인 도구를 제공한다.