[论文解读] A weak approximation with asymptotic expansion and multidimensional Malliavin weights

Takahashi, Akihiko, Yamada, Toshihiro|arXiv (Cornell University)|May 4, 2016

Stochastic processes and financial applications被引用 37

一句话总结

本文提出了一种新颖的弱近似方案，通过结合渐近展开与多维Malliavin权重，对扩散过程的期望进行近似，仅使用少量时间分区即可实现高精度——尤其在深度虚值期权中表现优异。该方法基于Malliavin微积分中的Watanabe与Kusuoka理论，严格证明了近似结果，显著提升了标准渐近展开的收敛速度。

ABSTRACT

This paper develops a new efficient scheme for approximations of expectations of the solutions to stochastic differential equations (SDEs). In particular, we present a method for connecting approximate operators based on an asymptotic expansion with multidimensional Malliavin weights to compute a target expectation value precisely. The mathematical validity is given based on Watanabe and Kusuoka theories in Malliavin calculus. Moreover, numerical experiments for option pricing under local and stochastic volatility models confirm the effectiveness of our scheme. Especially, our weak approximation substantially improves the accuracy at deep Out-of-The-Moneys (OTMs).

研究动机与目标

• 开发一种针对随机微分方程（SDE）解期望的高精度弱近似方案，特别适用于金融衍生品定价。
• 解决渐近展开方法众所周知的局限性——尾部区域精度差，尤其是在深度虚值（OTM）区域。
• 将基于渐近展开的算子与多维Malliavin权重相结合，以提升蒙特卡洛模拟中的精度。
• 基于Malliavin微积分中的Watanabe与Kusuoka理论，提供数学上的严格基础。
• 通过数值实验表明，仅使用少量时间分区（例如，n=2）即可在精度上显著优于标准渐近展开。

提出的方法

• 该方法基于在短时间区间 s 内的渐近展开至 m 阶，构造一系列近似算子 Qε,m_s。
• 在时间划分 π = {t₀ < t₁ < ... < tₙ = T} 上顺序组合这些算子，以近似完整时间的转移算子 Pε_T。
• 使用多维Malliavin权重表示解对扰动参数 ε 的导数，从而实现精确的分部积分。
• 该方法依赖于Kusuoka–Stroock函数空间 Kr 与Malliavin微积分，以确保近似结果的数学有效性与正则性。
• 理论依据建立在Watanabe的分部积分公式与Kusuoka的高阶弱近似框架之上。
• 数值实现采用Kusuoka方案进行高阶弱近似，并结合渐近展开进行密度校正。

实验结果

研究问题

• RQ1 能否系统性地将渐近展开与Malliavin微积分相结合，以提升SDE期望中弱近似的精度？
• RQ2 所提出的方案在标准渐近展开失效的深度虚值（OTM）区域表现如何？
• RQ3 实现高精度所需的最少时间分区数是多少？
• RQ4 使用多维Malliavin权重能否显著降低蒙特卡洛模拟中的近似误差？
• RQ5 所提出方案的收敛速度与标准渐近展开及Euler–Maruyama方案相比如何？

主要发现

• 所提出的方案在深度虚值（OTM）期权中实现了显著改进的精度，而标准渐近展开因尾部分布偏差而失效。
• 仅使用 n=2 个时间分区，该方法在误差上显著优于一阶与二阶渐近展开。
• 理论误差界表明，对于光滑函数，收敛速度为 O(ε^{m+1})；对于Lipschitz函数，收敛速度为 O(ε^{m+2})；对于有界连续函数，收敛速度为 O(ε^{m+1})。
• 当 γ > (l−2)/l 时，使用 n 个分区的误差以 O(n^{-(l−2)/2}) 的速率衰减，表明随着分区数增加，收敛性表现良好。
• 数值实验在局部波动率与随机波动率模型下均验证了该方案的有效性，支持了理论结论。
• 该方法在保持高计算效率的同时实现了高精度，适用于实时风险管理和交易系统。