全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1285 19
2022-05-09
英文标题:
《Algebraic Structure of Vector Fields in Financial Diffusion Models and
  its Applications》
---
作者:
Yusuke Morimoto and Makiko Sasada
---
最新提交年份:
2015
---
英文摘要:
  High order discretization schemes of SDEs by using free Lie algebra valued random variables are introduced by Kusuoka, Lyons-Victoir, Ninomiya-Victoir and Ninomiya-Ninomiya. These schemes are called KLNV methods. They involve solving the flows of vector fields associated with SDEs and it is usually done by numerical methods. The authors found a special Lie algebraic structure on the vector fields in the major financial diffusion models. Using this structure, we can solve the flows associated with vector fields analytically and efficiently. Numerical examples show that our method saves the computation time drastically.
---
中文摘要:
Kusuoka、Lyons Victoir、Ninomia Victoir和Ninomia Ninomia介绍了使用自由李代数值随机变量的SDE高阶离散格式。这些方案称为KLNV方法。它们涉及求解与SDE相关的向量场流,通常通过数值方法完成。作者在主要金融扩散模型的向量场上发现了一种特殊的李代数结构。利用这种结构,我们可以解析且高效地求解与向量场相关的流。数值算例表明,该方法大大节省了计算时间。
---
分类信息:

一级分类:Mathematics        数学
二级分类:Probability        概率
分类描述:Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用:例如中心极限定理,大偏差,随机微分方程,统计力学模型,排队论
--
一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--
一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-9 06:45:30
金融扩散模型中向量场的代数结构及其应用*Kusuoka([3],[4])、Lyons Victoir([5])、Ninomiya Victoir([7])和Ninomiya Ninomiya([6])介绍了使用自由李代数值随机变量的SDE高阶离散化方案。这些方案称为KLNV方法。它们涉及解决与SDE相关的向量场的流动,通常通过数值方法来解决。作者在主要金融扩散模型的向量场上发现了一种特殊的李代数结构。我们可以有效地解决与向量相关的问题。数值算例表明,该方法大大节省了计算时间。JEL分类:C63,G12数学学科分类(2010):65C05,60G40关键词:计算金融,期权定价,李代数,SABR模型,Hestonl模型简介我们考虑N维Stratonovich随机微分方程x(t,x)=x+dXi=0ZtVi(x(s,x))o 其中N,d=1,W={W∈ C([0,∞); Rd);w(0)=0},F是Borel代数,u是(w,F)上的维纳测度。让Bi:[0,∞) ×W→ R、 i=1,d、 由Bi(t,w)=wi(t),(t,w)给出∈ [0, ∞) 那么{(B(t),…,Bd(t);t∈ [0, ∞)}是一个d维布朗运动。设B(t)=t,t∈ [0, ∞). 让V,V,性病∈C∞b(RN;RN)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 06:45:33
这里是C∞b(RN;RN)表示任意阶导数有界的RN值光滑函数的空间。*东京三菱UFJ银行,地址:日本东京千代田区丸内2-7-1号,邮编:100-8388,电子邮件:yuusuke。morimoto@gmail.com+东京大学数学科学研究生院,地址:3-8-1,日本东京美谷,邮编:153-8914,电子邮件:sasada@ms.u-东京。ac.J让我们定义一个线性算子{Pt}t的半群∈[0,∞)由(Ptf)(x)=E[f(x(t,x))],t∈ [0, ∞), F∈ C∞b(注册护士)。在应用科学的各个领域,尽可能快速准确地逼近给定时间T和函数f的期望值(PTf)(x)是一个关键问题。本文的目的是给出一种快速准确逼近(PTf)(x)的新方法。解决这个问题有两种方法,基于偏微分方程(PDE)的方法和基于模拟的方法。请注意,u(t,x)=(Ptf)(x)满足以下等式tu(t,x)=Lu(t,x),u(0,x)=f(x),其中二阶微分算子L由L=V+Pdi=1Vi给出。这里是C中的weregard元素∞b(RN;RN)作为RNvia(Vif)(x)上的向量场=NXj=1Vji(x)Fxj(x),f∈ C∞b(注册护士)。在基于偏微分方程的方法中,我们数值求解这个方程。当N维相对较小时,它工作得很好,但在高维时,它的速度非常慢。在这种情况下,基于仿真的方法是唯一实用的方法。基于仿真的方法通常包括两个步骤。第一步是使用一组随机变量Xn(T,x)对随机微分方程进行时间离散化,在某种意义上,这些变量将x(T,x)近似为n→ ∞, 其样本可以通过分析或数值方法获得。如果对随机微分方程进行了解析求解,则可以跳过这一步。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 06:45:36
否则,我们应用一个离散化方案,比如我们将在下面解释的Euler-Maruyama方案,以得到一个随机变量X(t,X),在一定意义上,对于小t>0,它接近于X(t,X)。然后,我们通过n次重复这个近似过程来构造一组随机变量{Xn(tk,x)}nk=0,(0=t<t<·t<·tn=t)。第二步是通过蒙特卡罗方法(MC)或准蒙特卡罗方法(QMC)对E[f(`Xn(T,x))]进行近似。这两种方法基本上都是通过对由{f(\'Xnm(T,x))}Mm=1表示的f(\'Xn(T,x))的M个样本进行平均来获得的。MC方法随机创建样本,QMC方法以确定性方式创建样本。误差粗略估计为O(M-1/2)对于MC方法andO(M-1) 对于QMC方法。在定量金融中,X(t,X)代表基础资产的价格,E[f(X(t,X))]代表支付函数为f的衍生产品的价格。对于金融模型,由于资产的维数N通常很大,因此找到基于模拟的方法的快速准确方法非常重要。在本文中,我们考虑第一步(离散化)的有效方案。对于离散化方案\'X(t,X),线性算子qt由(Qtf)(X)=E[f(\'X(t,X))]定义。然后,用近似路径{Xn(tk,x)}nk=0(0=t<t<···<tn=t)对(PTf)(x)进行的近似被描述为(Qtn)-tn-1··Qt-tQtf(x)。如果存在常数C>0,使得|(PTf)(x),我们说离散格式是r阶的弱近似- ((QT/n)nf)(x)| 5 Cn-所有x∈ RNand f∈ C∞b(注册护士)。最常用的离散格式是Euler-Maruyama格式Euler-Maruyama方案XEM(t,x)=x+~V(x)t+dXi=1Vi(x)√tZi,式中Vk=Vk+Pdi=1PNj=1Vji对于k=1,2。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 06:45:40
,N和{Zi}i=1,。。。,N(0,1)个独立随机变量的分布。已知该方案的阶数为1。Kusuoka、Lyons、Ninomiya和Victoir研究了几个高阶格式,其中自由李代数起着至关重要的作用。请注意,elements公司∞b(RN;RN)被视为RN上的向量场。然后我们可以定义Lie括号[Vα,Vβ]=VαVβ- VβVα,0 5α5β5 d这里[Vα,Vβ]又是RN上的向量场。设L表示由({V,V,…,Vd},[·,·])生成的李代数。Kusuoka([3]、[4])和Lyons Victoir([5])利用L值随机变量的流动引入了高阶离散化方案。对于任何向量场V∈ C∞b(RN;RN),V的流动是一个异态性exp(V):RN→ 给定byexp(V)=u(1,x),其中u(t,x),t=0是下列常微分方程的解(du(t,x)dt=V(u(t,x)),t>0,u(0,x)=x。Kusuoka在[3,4]中表明,如果有一个由一个参数族的左值随机变量组成的序列(ξ(t),ξ`(t))t=0满足关于m=1的一些好条件,用相应的随机流exp(ξ(t)),…,构造了一个弱近似算子Q(K),exp(ξ`(t))as(Q(K)tf(x)=E[f(exp(ξ`(t))o ··· o exp(ξ(t))(x))]。更一般地说,如果有一组单参数L值随机变量族序列(ξi(t),ξi`i(t))i=1,。。。,K满足关于m=1的一些好条件,用相应的随机流构造一个近似算子Q(K),如(Q(K)tf)(x)=kXi=1ciE[f(exp(ξi`i(t))o ··· o exp(ξi(t))(x))]式中,c为适当常数。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 06:45:43
在这种假设下,一步近似产生的误差由|(Ptf)(x)估计- (Q(K)tf(x)| 5 Cf,Vtm+1用于t∈ (0,1],n步近似的总误差由|(PTf)(x)估计- ((Q(K)T/n)nf)(x)| 5cf,Vn-M-1.也就是说,这是orderm的弱近似-1.Ninomiya和Victoir在[7]中找到了m=5的实际例子Ninomiya Victoir方案X(内华达州)(t,X)(1)=特长(电视)o 经验(√(tZV)o . . .··· o 经验(√tZdVd)o exp(tV)(x),如果N=1,exp(tV)o 经验(√tZdVd)o . . .··· o 经验(√(tZV)o exp(tV)(x),如果N=-其中N是分布为P(N=1)=P(N)的伯努利随机变量=-1) =和{Zi}i=1,。。。,dis是一个独立的N(0,1)随机变量族,其中N和{Zi}i=1,。。。,也要敢于独立。弱近似算子Q(NV)表示为(Q(NV)tf)(x)=E[f(exp(tV)o 经验(√(tZV)o ··· o 经验(√tZdVd)o 实验(电视)(x))]+E[f(实验(电视)o 经验(√tZdVd)o ··· o 经验(√(tZV)o 特急(电视)(x))]。Ninomiya和Ninomiya在[6]定理1.6中发现了另一个单参数的实用例子族,即m=5Ninomiya Ninomiya方案X(NN)(t,X)(2)=exprtV+dXi=1Si√tVi!o 实验(1)- r) tV+dXi=1Si√tVi!(x) 其中Si=rZi+√Zi,Si=(1)- r) 子-√Ziand(Zji)j=1,2,i=1,。。。,dis是一个独立的N(0,1)随机变量族。R∈ R是一个任意选择的固定参数。弱近似算子Q(NN)表示为(Q(NN)tf)(x)=E[f(exprV+dXi=1Si√tVi!o 实验(1)- r) tV+dXi=1Si√tVi!(x) [注释1。在[6]中,一系列高斯随机变量的特征是参数u=r=√2(2u-1) 式中E[SijSij]=Rjjδiir=u,R=-Up2(2u- 1) R=1+u±p2(2u- 1).我们发现,这种高斯随机变量族是由Si=rZi构成的+√Zi和Si=(1)-r) 子-√其中(Zji)j=1,2,i=1,。。。,dis是一组独立的N(0,1)随机变量。Lyons和Victoir还通过在Wiener空间([5])上使用一个称为Tubaure的自由李代数引入了高阶格式。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群