[论文解读] Numerical Simulation of 2.5-Set of Iterated Ito Stochastic Integrals of Multiplicities 1 to 5 From the Taylor-Ito Expansion

Dmitriy F. Kuznetsov|arXiv (Cornell University)|May 31, 2018

Stochastic processes and financial applications参考文献 28被引用 12

一句话总结

本论文提出了一种新颖的数值方法，通过广义多重傅里叶-勒让德级数，对阶数为1至5的迭代伊藤随机积分进行均方逼近。通过避免区间分割并利用高效的系数计算，该方法实现了多维非交换伊藤SDE的高阶强数值格式（阶数2.5），计算成本显著降低，且误差界可量化。

ABSTRACT

The article is devoted to the construction of effective procedures of the mean-square approximation of iterated Ito stochastic integrals of multiplicities 1 to 5 from the Taylor-Ito expansion based on multiple Fourier-Legendre series. The results of the article can be applied to the implementation of numerical methods with the orders of strong convergence 1.5, 2.0, and 2.5 for Ito stochastic differential equations with multidimensional non-commutative noise.

研究动机与目标

• 开发用于阶数为1至5的迭代伊藤随机积分的高效均方逼近程序。
• 解决在多维非交换噪声设置下，高阶格式缺乏高效数值建模技术的问题。
• 消除积分中区间分割的需求，否则将导致高昂的计算成本。
• 实现显式单步强数值方法，具有2.5阶收敛性，适用于伊藤SDE。
• 利用广义多重傅里叶级数，实现近似误差的精确计算与紧密误差估计。

提出的方法

• 利用广义多重傅里叶-勒让德级数逼近阶数为1至5的迭代伊藤随机积分。
• 采用统一的泰勒-伊藤展开，以最小化高阶格式中所需迭代积分的数量。
• 预先计算傅里叶-勒让德系数 $\bar{C}_{j_{3}j_{2}j_{1}}$, $\bar{C}_{j_{4}j_{3}j_{2}j_{1}}$, 等，以实现在线评估的高效性。
• 避免对积分区间 $[t,T]$ 进行分割，从而相比传统积分和方法显著降低计算成本。
• 应用定理3推导出均方逼近误差的精确表达式，实现精确的误差控制。
• 采用一种数值算法，通过自适应选择每类积分的截断阶数 $q$，在精度与效率之间取得平衡。

实验结果

研究问题

• RQ1 如何以最小计算成本和高均方精度逼近阶数为1至5的迭代伊藤随机积分？
• RQ2 对于每类积分，达到预定误差阈值时，最优截断阶数 $q$ 是多少，且无需区间分割？
• RQ3 对于不同阶数，均方逼近误差如何随积分步长 $\Delta$ 变化？
• RQ4 在误差-复杂度比方面，广义多重傅里叶-勒让德级数方法是否优于基于三角傅里叶的方法？
• RQ5 高阶迭代积分近似误差的精确解析表达式是什么？

主要发现

• 三阶迭代积分 $I_{(000)\tau_{p+1},\tau_p}^{(i_1i_2i_3)}$ 的均方逼近误差约为 $0.02528010\Delta^5$。
• 四阶积分 $I_{(0000)\tau_{p+1},\tau_p}^{(i_1i_2i_3i_4)}$ 的误差约为 $0.02360840\Delta^4$，表明随着阶数增加，误差急剧下降。
• 五阶积分 $I_{(00000)\tau_{p+1},\tau_p}^{(i_1i_2i_3i_4i_5)}$ 的误差约为 $0.00759105\Delta^5$，表明高阶下收敛速度极快。
• 该方法允许对每类积分独立选择截断阶数 $q$，不同于以往方法要求统一 $q$，从而实现更高的效率。
• 所提出的算法实现了2.5阶强收敛，且相比区间分割方法，计算成本显著降低。
• 使用预计算的傅里叶-勒让德系数可实现积分的快速在线评估，支持实时或大规模模拟。