[論文レビュー] $ε$-Strong Simulation for Multidimensional Stochastic Differential Equations via Rough Path Analysis

José Blanchet, Xinyun Chen+1 more|arXiv (Cornell University)|Mar 23, 2014

Stochastic processes and financial applications参考文献 9被引用数 5

ひとこと要約

本稿は、粗い経路理論を用いて、多次元確率微分方程式（SDE）のための最初のε-strongシミュレーション手法を提示する。ブラウン運動とリーヴィ面積を粗い経路距離においてε誤差精度で近似することで、任意のε > 0に対して almost surely で ‖X_ε(t) - X(t)‖_∞ < ε を満たす、区分的定数で完全にシミュレータブルな過程 X_ε を構築する。これにより、より小さい誤差許容範囲への適応的リファインメントが可能となる。

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.

研究の動機と目的

• 一般のドリフトおよび拡散係数を有する多次元SDEに対して、許容誤差を満たすシミュレーション（TES）フレームワークの構築を目的とする。
• 従来、1次元または定数拡散係数SDEに限られていたε-strongシミュレーション手法を、多次元設定に拡張することを目的とする。
• 明示的で区分的定数かつ完全にシミュレータブルな過程を用いて、almost surely で経路ごとの誤差制御 ‖X_ε(t) - X(t)‖_∞ < ε を保証することを目的とする。
• 適応的リファインメントを可能とする：ε' < ε に対して、X_εに条件づけて X_ε' を構築し、不偏モンテカルロ推定を支援することを目的とする。
• リーマンの粗い経路理論に基づくイト写像の連続性推定を確立し、ブラウン運動とリーヴィ面積の共同近似を制御された粗い経路誤差で行うことで、同時に近似を可能とする。

提案手法

• リーマンの粗い経路理論を活用し、ブラウン運動とリーヴィ面積の共同ダイナミクスを、ε誤差精度を持つ粗い経路距離でモデル化する。
• 粗い経路の離散化と制御された誤差を伴うイト写像の適用により、真の拡散過程 X の区分的定数近似 X_ε を構築する。
• 時間区間の階層的分解と、θ_l, η_l, ρ_l 項の上界による局所的経路寄与の再帰的制御を用いる。
• E_n[exp(θ_0 {L_{i,j}^{n+m}(k') - L_{i,j}^{n+m}(k)})] を用いた指数モーメントの上界を適用し、尾部挙動を制御し、安定性を確保する。
• 局所化と dyadic 分割上の再帰的解析を用いて、粗い経路近似における誤差伝搬を管理する。
• X_ε に条件づけて X_ε' を構築する適応的リファインメントを実装し、ネストされた誤差制御を実現する。

実験結果

リサーチクエスチョン

• RQ1 非定数拡散係数を有する多次元SDEに対して、1次元または定数拡散係数に限られていたε-strongシミュレーションを拡張することは可能か？
• RQ2 イト写像の連続性は、粗い経路位相においてどのように定量的に評価できるか？これにより、経路ごとの誤差制御が保証されるか？
• RQ3 任意のε > 0 に対して、X_ε が完全にシミュレータブルで、かつ almost surely で ‖X_ε - X‖_∞ < ε を満たすような近似列 {X_ε} を構築することは可能か？さらに、より小さい許容誤差への適応的リファインメントは可能か？
• RQ4 ブラウン運動とリーヴィ面積の共同近似が、粗い経路距離における経路ごとの誤差バインディングを達成するために果たす役割は何か？
• RQ5 イト写像の増分におけるモーメントバインディングを導出することは可能か？これにより、シミュレーションスキームの安定性と収束性が保証されるか？

主な発見

• 本稿では、ドリフトおよび拡散係数に標準的なリプシッツ連続性と滑らかさ条件が課された下で、任意のε > 0 に対して almost surely で ‖X_ε(t) - X(t)‖_∞ < ε を満たす区分的定数かつ完全にシミュレータブルな過程 X_ε を構築する。
• 本手法は適応的リファインメントを可能とする：任意のε' < ε に対して、X_ε に条件づけて X_ε' をシミュレート可能であり、almost surely で ‖X_ε'(t) - X(t)‖_∞ < ε' を満たす。
• 誤差制御は、粗い経路距離においてε精度を持つブラウン運動およびリーヴィ面積の粗い経路近似により達成され、厳密な経路ごとのバインディングが可能となる。
• 指数モーメントの上界が導出され、E_n[exp(θ_0 {L_{i,j}^{n+m}(k') - L_{i,j}^{n+m}(k)})] ≤ 4exp(ε_0γ(k'-k)^{β-1/2}) が成り立つ。これにより尾部挙動が制御され、安定性が保証される。
• 局所補正項の積 ∏_{l=2}^m ∏_r C(t_r^{n+m-l}) が、状態に応じて exp(1/2) または exp(8/25) で有界であることが解析により示され、グローバル誤差制御が保証される。
• 本手法は、従来の1次元または定数拡散係数に限られていた制限を克服し、多次元SDEのための最初の一般的なε-strongシミュレーションの構築を達成した。