[论文解读] Cubature methods to solve BSDEs: Error expansion and complexity control

Jean-François Chassagneux, Camilo Andrés García Trillos|arXiv (Cornell University)|Feb 3, 2017

Simulation Techniques and Applications参考文献 30被引用 3

一句话总结

本文提出了一种基于维纳空间上立方积分方法的高阶数值方法，用于求解马氏后向随机微分方程（BSDEs），并推导出显式的误差展开式，从而实现理查德森-罗伯格外推法以加速收敛。通过引入稀疏网格插值投影，该方法在保持精度的同时显著降低了计算复杂度，尤其在有限网格上的线性插值中表现突出。

ABSTRACT

We obtain an explicit error expansion for the solution of Backward Stochastic Differential Equations (BSDEs) using the cubature on Wiener spaces method. The result is proved under a mild strengthening of the assumptions needed for the application of the cubature method. The explicit expansion can then be used to construct implementable higher order approximations via Richardson-Romberg extrapolation. To allow for an effective efficiency improvement of the interpolated algorithm, we introduce an additional projection on finite grids through interpolation operators. We study the resulting complexity reduction in the case of the linear interpolation.

研究动机与目标

• 在较弱正则性假设下，推导出应用于马氏BSDEs的立方积分方法的显式误差展开式。
• 利用推导出的误差展开式，通过理查德森-罗伯格外推法构建更高阶收敛的数值格式，而无需增加底层时间步长。
• 通过引入基于插值算子的有限网格投影，降低基于立方积分的BSDE求解器的计算复杂度。
• 分析并优化插值立方积分算法中的复杂度-性能权衡，尤其针对线性插值与稀疏网格插值。
• 在数值求解BSDE及其相关非线性PDE方面，建立理论与实践上的效率改进。

提出的方法

• 在强化正则性条件（假设1.2）下，推导出基于维纳空间立方积分方法对BSDE弱逼近的显式误差展开式。
• 将理查德森-罗伯格外推法应用于误差展开式，构造出不增加底层时间步长的更高阶收敛格式。
• 引入基于插值算子的投影步骤，将解映射到有限网格上，从而在保持精度的同时降低计算成本。
• 采用线性插值与稀疏网格插值（基于阶数为$p$的稀疏网格节点空间）以最小化近似所需的网格点数量。
• 修改后向格式，利用立方积分测度$\hat{\mathbb{Q}}$下的条件期望，计算网格点$D_i$处的近似解$\check{u}_i(x)$与$\check{v}_i(x)$。
• 通过递归更新定义稀疏-立方积分后向格式：$\check{u}_i(x) = \pi_{\mathcal{V}_{p_i - d + 1}}^{D_i}[ \mathbb{E}^{\hat{\mathbb{Q}}}[\check{u}_{i+1}(\hat{X}^{t_i,x}_{t_{i+1}})] + h_i f(\cdot, \check{u}_i, \check{v}_i) ](x)$，其中$\check{v}_i(x)$通过鞅差项计算得出。

实验结果

研究问题

• RQ1 在对正则性假设进行轻微强化的前提下，能否为应用于马氏BSDEs的立方积分方法推导出显式误差展开式？
• RQ2 如何利用误差展开式，通过理查德森-罗伯格外推法构建更高阶收敛的数值格式？
• RQ3 通过插值将解投影到有限网格上，对基于立方积分的BSDE求解器的整体复杂度与精度有何影响？
• RQ4 与全网格插值相比，使用稀疏网格插值如何降低计算复杂度，同时保持收敛速率？
• RQ5 在BSDE近似中，结合立方积分方法与基于插值的网格投影，理论与实践上实现了多大程度的复杂度降低？

主要发现

• 在假设1.2下，为维纳空间上的立方积分方法推导出BSDE的显式误差展开式，从而可通过理查德森-罗伯格外推法实现更高阶收敛。
• 误差展开式揭示了对系数、测试函数及生成器结构的依赖关系，为系统性加速收敛提供了基础。
• 在有限网格上使用插值——尤其是线性插值与稀疏网格插值——显著减少了所需评估点的数量，而不会降低精度。
• 稀疏网格实现使$d$维问题的复杂度降低至$\mathcal{O}(n^{d-1})$，相比全网格的$\mathcal{O}(n^d)$，且误差退化极小。
• 理论分析表明，稀疏网格插值的误差受$\mathcal{O}(n^{-\gamma(\beta^* - \beta + 1) + 1})$控制，其中$\gamma$与$\beta$分别与解与测试函数的正则性相关。
• 最终算法在更大定义域$\cup_{i=0}^{n-1}\{t_i\} \times D_i^{\blacksquare}$上定义，支持在中间点高效评估而无需重新计算。