[논문 리뷰] $ε$-Strong Simulation for Multidimensional Stochastic Differential Equations via Rough Path Analysis

José Blanchet, Xinyun Chen외 1명|arXiv (Cornell University)|2014. 03. 23.

Stochastic processes and financial applications참고 문헌 9인용 수 5

한 줄 요약

이 논문은 윤리적 경로 이론을 활용하여 다차원 확률미분방정식(SDE)에 대한 첫 번째 ε-강한 시뮬레이션 방법을 제시한다. 브라운 운동과 레비 면적을 윤리적 경로 거리에서 ε-오차 정밀도로 근사함으로써, 거의 확실하게 모든 $\varepsilon > 0$ 에 대해 $\|X_\varepsilon(t) - X(t)\|_\infty < \varepsilon$ 를 만족하는 조각별로 일정한, 완전히 시뮬레이션 가능한 과정 $X_\varepsilon$ 를 구성한다. 이는 더 작은 오차 허용 범위로의 적응적 정밀화를 가능하게 한다.

ABSTRACT

Consider a multidimensional diffusion process $X=\{X\left(t ight) :t\in\lbrack0,1]\}$. Let $\varepsilon&gt;0$ be a extit{deterministic}, user defined, tolerance error parameter. Under standard regularity conditions on the drift and diffusion coefficients of $X$, we construct a probability space, supporting both $X$ and an explicit, piecewise constant, fully simulatable process $X_{\varepsilon}$ such that \[ \sup_{0\leq t\leq1}\left\Vert X_{\varepsilon}\left(t ight) -X\left(t ight) ight\Vert_{\infty}0$ with probability one. Our construction requires a detailed study of continuity estimates of the Ito map using Lyon's theory of rough paths. We approximate the underlying Brownian motion, jointly with the Lévy areas with a deterministic $\varepsilon$ error in the underlying rough path metric.

연구 동기 및 목표

• 일반적인 비드리프 및 분산 계수를 가진 다차원 SDE에 대한 허용 오차를 보장하는 시뮬레이션(TES) 프레임워크를 개발하는 것.
• 이전에 일차원 또는 일정한 분산을 가진 SDE에 국한되어 있던 기존의 ε-강한 시뮬레이션 방법을 다차원 설정으로 확장하는 것.
• 명시적이고 조각별 일정하며 완전히 시뮬레이션 가능한 과정을 사용하여 거의 확실한 경로 기반 오차 제어 $\|X_\varepsilon(t) - X(t)\|_\infty < \varepsilon$ 를 보장하는 것.
• 적응적 정밀화를 가능하게 하는 것: $\varepsilon' < \varepsilon$ 인 경우 $X_\varepsilon$ 를 조건으로 하여 $X_{\varepsilon'}$ 를 구성함으로써, 비편향 몬테카를로 추정을 지원하는 것.
• 리온즈의 윤리적 경로 이론을 통해 이토 맵의 연속성 추정을 수립함으로써, 브라운 운동과 레비 면적의 공동 근사가 통제 가능한 윤리적 경로 오차로 이루어지도록 하는 것.

제안 방법

• 윤리적 경로 이론을 활용하여 브라운 운동과 레비 면적의 공동 역학을 윤리적 경로 거리에서 ε-오차 정밀도로 모델링한다.
• 윤리적 경로를 이산화하고 오차를 통제하는 이토 맵을 적용하여 진짜 확산 과정 $X$ 의 조각별 일정한 근사 $X_\varepsilon$ 를 구성한다.
• 시간 간격의 계층적 분해와 $\theta_l$, $\eta_l$, $\rho_l$ 항목에 대한 국소 경로 기여도의 재귀적 통제를 통해 로컬 기여도를 제어한다.
• 꼬리 행동을 제어하고 안정성을 확보하기 위해 $E_n[\exp(\theta_0 \{L_{i,j}^{n+m}(k') - L_{i,j}^{n+m}(k)\})]$ 를 통한 지수적 모멘트 경계를 적용한다.
• 이중 분할을 통한 국소화 및 재귀적 분석을 통해 윤리적 경로 근사에서 오차 전파를 관리한다.
• 적응적 정밀화를 구현하기 위해 $X_\varepsilon$ 를 조건으로 하여 $X_{\varepsilon'}$ 의 구성 과정을 조건화함으로써 중첩된 오차 제어를 가능하게 한다.

실험 결과

연구 질문

• RQ1 비상수 분산 계수를 가진 다차원 SDE에 대해 ε-강한 시뮬레이션을 일차원 또는 일정한 분산 사례를 초월해 확장할 수 있는가?
• RQ2 이토 맵의 연속성이 윤리적 경로 위상에서 어떻게 정량화될 수 있으며, 이를 통해 경로 기반 오차 제어를 보장할 수 있는가?
• RQ3 경로 기반 오차 제어 $\|X_\varepsilon - X\|_\infty < \varepsilon$ 가 거의 확실하게 성립하는, 시뮬레이션 가능한 근사 $X_\varepsilon$ 의 수열을 구성하는 것이 가능한가? 이 수열은 더 작은 허용 오차로의 적응적 정밀화를 지원하는가?
• RQ4 브라운 운동과 레비 면적의 공동 근사가 윤리적 경로 거리에서 경로 기반 오차 경계를 달성하는 데 어떤 역할을 하는가?
• RQ5 이토 맵의 증분에 대한 모멘트 경계를 유도할 수 있는가? 이를 통해 시뮬레이션 방법의 안정성과 수렴성을 보장할 수 있는가?

주요 결과

• 이 논문은 표준 리프시츠 조건과 비드리프, 분산 계수의 미분 가능성 조건 하에서, 거의 확실하게 모든 $\varepsilon > 0$ 에 대해 $\|X_\varepsilon(t) - X(t)\|_\infty < \varepsilon$ 를 만족하는 조각별 일정하고 완전히 시뮬레이션 가능한 과정 $X_\varepsilon$ 를 구성한다.
• 이 방법은 적응적 정밀화를 가능하게 한다: 임의의 $\varepsilon' < \varepsilon$ 에 대해 $X_\varepsilon$ 를 조건으로 하여 $X_{\varepsilon'}$ 를 시뮬레이션할 수 있으며, 이로써 거의 확실하게 $\|X_{\varepsilon'}(t) - X(t)\|_\infty < \varepsilon'$ 가 성립한다.
• 오차 제어는 윤리적 경로 거리에서 브라운 운동과 레비 면적의 ε-정밀도 윤리적 경로 근사에 의해 달성되며, 엄밀한 경로 기반 경계를 보장한다.
• 지수적 모멘트 경계가 도출되었으며, $\mathbb{E}_n[\exp(\theta_0 \{L_{i,j}^{n+m}(k') - L_{i,j}^{n+m}(k)\})] \leq 4\exp(\varepsilon_0\gamma(k'-k)^{\beta-1/2})$ 를 만족함으로써 꼬리 행동을 제어하고 안정성을 확보한다.
• 분석을 통해 국소 수정 항목의 곱 $\prod_{l=2}^m \prod_r C(t_r^{n+m-l})$ 는 상황에 따라 $\exp(1/2)$ 또는 $\exp(8/25)$ 이하로 유계임을 보여주며, 이는 전반적인 오차 제어를 보장한다.
• 이 방법은 다차원 SDE에 대한 일반적인 ε-강한 시뮬레이션의 첫 번째 일반적 구성법을 제공하며, 이전 방법들이 일차원 또는 일정한 분산 사례에 국한되어 있던 한계를 극복한다.