[论文解读] Implementation of Strong Numerical Methods of Orders 0.5, 1.0, 1.5, 2.0, 2.5, and 3.0 for Ito SDEs with Non-Commutative Noise Based on the Unified Taylor-Ito and Taylor-Stratonovich Expansions and Multiple Fourier-Legendre Series

Mikhail Kuznetsov, Dmitriy F. Kuznetsov|arXiv (Cornell University)|Jan 1, 2020

Stochastic processes and financial applications参考文献 70被引用 3

一句话总结

本文提出了一种针对具有多维非交换噪声的伊tô随机微分方程（SDEs）的高阶强数值方法，结合统一的泰勒–伊特勒和泰勒–斯图亚特诺维奇展开式，并利用多重勒让德级数精确逼近迭代随机积分。关键贡献在于开发了一个基于 Python 的 SDE-MATH 软件包，实现了从 0.5 到 3.0 阶的数值格式，具备均方收敛性，并通过非线性和线性 SDE 系统（包括一个太阳活动模型）进行了验证。

ABSTRACT

The article is devoted to the implementation of strong numerical methods with convergence orders $0.5,$ $1.0,$ $1.5,$ $2.0,$ $2.5,$ and $3.0$ for Ito stochastic differential equations with multidimensional non-commutative noise based on the unified Taylor--Ito and Taylor-Stratonovich expansions and multiple Fourier-Legendre series. Algorithms for the implementation of these methods are constructed and a package of programs in the Python programming language is presented. An important part of this software package, concerning the mean-square approximation of iterated Ito and Stratonovich stochastic integrals of multiplicities 1 to 6 with respect to components of the multidimensional Wiener process is based on the method of generalized multiple Fourier series. More precisely, we used the multiple Fourier-Legendre series converging in the sense of norm in Hilbert space $L_2([t, T]^k)$ $(k=1,\ldots,6)$ for the mean-square approximation of iterated Ito and Stratonovich stochastic integrals.

研究动机与目标

• 为具有非交换噪声的多维伊特勒 SDEs 开发高阶强数值格式（阶数 0.5 至 3.0）。
• 解决对多重性为 1–6 的迭代伊特勒与斯图亚特诺维奇随机积分进行近似计算的计算挑战。
• 通过希尔伯特空间中的广义多重傅里叶–勒让德级数实现高效均方近似。
• 开发一个软件包，以实现对复杂 SDEs 的精确且高效的模拟，服务于科研与应用建模。
• 在非线性和线性 SDE 系统（包括太阳活动模型）上验证该方法，展示其收敛性与准确性。

提出的方法

• 利用统一的泰勒–伊特勒与泰勒–斯图亚特诺维奇展开式，推导出适用于伊特勒 SDEs 的高阶强数值格式。
• 采用多重傅里叶–勒让德级数，对多重性最高达 6 的迭代随机积分实现均方近似。
• 应用在希尔伯特空间范数下收敛的广义多重傅里叶级数，以确保近似过程的稳定性和准确性。
• 通过 SymPy 实现符号计算，用于解析推导微分算子与系数。
• 使用 NumPy 实现高性能数值计算，利用 Matplotlib 可视化模拟结果。
• 集成 SQLite 数据库，用于存储和管理傅里叶–勒让德系数及模拟元数据。

实验结果

研究问题

• RQ1 如何系统地推导出具有非交换噪声的伊特勒 SDEs 的高阶强数值格式（最高至 3.0 阶）？
• RQ2 对多重性为 1 至 6 的迭代伊特勒与斯图亚特诺维奇随机积分，何种方法在精度与效率上最为优越？
• RQ3 如何应用多重傅里叶–勒让德级数，以确保随机积分近似过程的均方收敛性？
• RQ4 SDE-MATH 软件包在模拟非线性和线性 SDE 系统方面，能在多大程度上实现高精度与高性能？
• RQ5 所提出的数值方法能否有效应用于真实世界模型（如太阳活动系统）？

主要发现

• SDE-MATH 软件包成功实现了针对具有非交换噪声的伊特勒 SDEs 的 0.5、1.0、1.5、2.0、2.5 和 3.0 阶强数值格式。
• 利用多重傅里叶–勒让德级数对迭代随机积分进行均方近似，实现了高精度，经由收敛性分析验证。
• 该软件包成功模拟了非线性伊特勒 SDE 系统，结果已通过可视化与数值验证。
• 该方法成功应用于线性太阳活动建模系统，表现出一致的收敛性与可靠性。
• 符号计算（SymPy）、数值库（NumPy）与 SQLite 数据库在数据管理中的集成，实现了高效且可扩展的 SDE 模拟。
• 该软件包包含完整的图形用户界面，支持非线性和线性 SDE 系统，且源代码公开可用。