[论文解读] Expansion of Iterated Stratonovich Stochastic Integrals of Arbitrary Multiplicity Based on Generalized Iterated Fourier Series Converging Pointwise

Dmitriy F. Kuznetsov|arXiv (Cornell University)|Jan 2, 2018

Stochastic processes and financial applications参考文献 36被引用 24

一句话总结

本文提出了一种用于任意阶数 $k$ 的重复伊藤-斯特拉托诺维奇随机积分的新型展开方法，采用广义重复傅里叶级数——具体为三角函数系与勒让德多项式系——并证明其点态收敛。主要贡献在于该展开方法在均方意义下具有 $2n$ 阶收敛性，从而可通过标准正态随机变量的乘积级数高效逼近伊藤型随机微分方程。

ABSTRACT

The article is devoted to the expansion of iterated Stratonovich stochastic integrals of arbitrary multiplicity $k$ $(k\in\mathbb{N})$ based on the generalized iterated Fourier series converging pointwise. The case of Fourier-Legendre series as well as the case of trigonometric Fourier series are considered in details. The obtained expansion provides a possibility to represent the iterated Stratonovich stochastic integral in the form of iterated series of products of standard Gaussian random variables. Convergence in the mean of degree $2n$ $(n\in \mathbb{N})$ of the expansion is proved. Some recent results on the expansion of iterated Stratonovich stochastic integrals of multiplicities 3 to 6 are given. The results of the article can be applied to the numerical solution of Ito stochastic differential equations.

研究动机与目标

• 开发一种基于广义重复傅里叶级数的通用方法，用于展开任意阶数 $k$ 的重复斯特拉托诺维奇随机积分。
• 基于 $L_2([t,T])$ 中的完备正交系（包括勒让德多项式与三角函数）建立展开式的点态收敛性。
• 证明所得级数展开在均方意义下具有 $2n$ 阶收敛性，确保数值计算的稳定性和精度。
• 为 $k=2$ 的情形提供显式公式，基于勒让德多项式，与三角函数系相比展现出更高的计算简洁性与有效性。
• 将框架扩展至处理不同的权函数及特殊情况如 $i_1 = \cdots = i_k \neq 0$，支持在随机数值分析中的更广泛应用。

提出的方法

• 利用 $L_2([t,T])$ 中的完备正交系（如勒让德多项式、三角函数）构造广义重复傅里叶级数，以展开重复斯特拉托诺维奇积分。
• 采用傅里叶系数 $C_j = \int_t^T f(x)\phi_j(x)\,dx$ 对随机积分中非随机核函数进行展开。
• 应用广义傅里叶级数在跳跃间断点处收敛于左右极限平均值的性质，与斯特拉托诺维奇积分的中点规则保持一致。
• 将展开式表示为标准正态随机变量 $\zeta_j^{(i)}$ 的乘积级数，从而支持蒙特卡洛风格的数值计算。
• 基于广义多重傅里叶级数与 $L_2$-收敛理论的理论结果，证明展开式的均方收敛阶为 $2n$。
• 通过 Wong–Zakai 型逼近与从分段常数维纳过程逼近到真实维纳过程的极限过程验证该方法。

实验结果

研究问题

• RQ1 能否利用广义重复傅里叶级数（具有点态收敛性）有效展开任意阶数 $k$ 的重复斯特拉托诺维奇随机积分？
• RQ2 基于勒让德多项式的展开与基于三角函数的展开在计算简洁性与收敛性质方面有何比较优势？
• RQ3 该级数展开在均方意义下 $2n$ 阶收敛行为如何？其对伊藤型 SDE 数值解的支持机制是什么？
• RQ4 在边界点 $t$ 与 $T$ 处，展开式的行为如何，尤其与傅里叶–勒让德级数及三角级数的收敛性有何关联？
• RQ5 该方法能否推广至相同指标情形（$i_1 = \cdots = i_k$）及任意权函数 $\psi_1,\ldots,\psi_k$ 的情况？

主要发现

• 通过广义重复傅里叶级数展开的 $k$ 阶重复斯特拉托诺维奇随机积分，在所有连续内点处均点态收敛于真实积分值。
• 对于 $k=2$ 的情形，基于勒让德多项式的展开相比三角函数系可得到更简洁的最终表达式，支持其在计算上的优先选择。
• 该级数展开对任意 $n \in \mathbb{N}$ 均在均方意义下具有 $2n$ 阶收敛性，确保模拟应用中具有强数值稳定性和精度。
• 该方法成功重现了已知结果，如 Wong–Zakai 逼近极限，验证了其与经典随机微积分框架的一致性。
• 当 $i_1 = i_2$ 时，$k=2$ 的勒让德多项式展开导出项 $\frac{1}{2} \int_0^T ds$，与斯特拉托诺维奇-伊藤转换中的经典校正项完全一致。
• 基于分段常数维纳过程展开的逼近极限收敛于真实斯特拉托诺维奇积分，验证了该方法在细化过程下的收敛性与一致性。