[论文解读] Numerical analysis of multilevel Monte Carlo path simulation using the Milstein discretisation

Kristian Debrabant, Michael B. Giles+1 more|arXiv (Cornell University)|Jul 8, 2010

Stochastic processes and financial applications参考文献 17被引用 13

一句话总结

本文分析了使用米尔斯坦离散化方法的多级蒙特卡洛方法在标量随机微分方程中的应用，通过限制多级估计器方差衰减速率，证明了计算复杂度的提升。主要贡献在于严格分析表明，米尔斯坦格式可提高收敛阶数，从而在多级路径模拟中相比欧拉-丸尾马方法展现出更优的效率。

ABSTRACT

The multilevel Monte Carlo path simulation method introduced by Giles (Operations Research, 56(3):607-617, 2008) exploits strong convergence properties to improve the computational complexity by combining simulations with different levels of resolution. Previous research has analysed its efficiency when using the Euler-Maruyama discretisation, and also demonstrated its improved efficiency using the Milstein discretisation with its improved strong convergence. In this paper we analyse its efficiency for scalar SDEs using the Milstein discretisation, bounding the order of convergence of the variance of the multilevel estimator, and hence determining the computational complexity of the method.

研究动机与目标

• 分析在标量随机微分方程中应用米尔斯坦离散化时多级蒙特卡洛方法的效率。
• 对多级估计器的方差进行上界估计，以确定该方法的计算复杂度。
• 在多级背景下建立米尔斯坦格式相比欧拉-丸尾马方法在强收敛性质上的改进。
• 量化在米尔斯坦格式下多级估计器中方差的收敛阶数。

提出的方法

• 分析聚焦于由布朗运动驱动的标量SDE，采用米尔斯坦离散化以实现更高阶的强收敛。
• 通过组合不同分辨率层级的模拟构建多级蒙特卡洛估计器，每一层级的步长递减。
• 利用米尔斯坦格式更高阶收敛的性质，对粗粒度与细粒度路径模拟之间差异的方差进行上界估计。
• 基于米尔斯坦方法的强收敛阶数（标量SDE中为1.0）推导方差衰减速率的理论界。
• 通过平衡各层级模拟的成本与方差衰减速率，确定计算复杂度。

实验结果

研究问题

• RQ1 在标量SDE中使用米尔斯坦离散化时，多级估计器中方差的收敛阶数是多少？
• RQ2 多级蒙特卡洛方法在米尔斯坦与欧拉-丸尾马格式下的计算复杂度如何比较？
• RQ3 能否利用米尔斯坦格式改进的强收敛性来降低多级估计器的方差？
• RQ4 在米尔斯坦格式下，多级估计器中方差衰减速率可建立哪些理论界？

主要发现

• 多级估计器的方差衰减速率与层级步长的平方成正比，与米尔斯坦格式的强收敛阶数1.0一致。
• 由于方差衰减更快，使用米尔斯坦离散化的多级蒙特卡洛方法的计算复杂度优于欧拉-丸尾马方法。
• 理论分析证实，在标量SDE中，多级估计器在米尔斯坦格式下可达到最优复杂度。
• 对方差衰减速率的严格上界估计，使得能够精确预测该方法在计算成本方面的效率。