Euler-Maruyama 方法数值算例

最新推荐文章于 2024-04-02 15:48:05 发布

蓝色艺林

最新推荐文章于 2024-04-02 15:48:05 发布

阅读量1w

点赞数 8

分类专栏：随机算法文章标签：数值计算随机微分方程随机算法 SDE 数值程序

本文链接：https://blog.csdn.net/lanseyilin/article/details/83650173

版权

随机算法专栏收录该内容

1 篇文章 5 订阅

订阅专栏

pdf原文件

将随机微分方程写成积分形式有
$X(t)=X_0+\int_0 ^t f(X(s))ds+\int_0 ^t g(X(s))dW(s), 0\le t\le T. (1)$

其中 $f, g$ 都是标量函数并且初始条件 $X_0$ 是随机变量。这里的积分采用的是 Ito 积分,方程的解 $X(t)$ 是随 $t$ 变化的随机变量。现在定义一种求解上述方程的数值方法,并且将数值方法在时间步长趋于 0 时所得的随机变量 $X(t)$ 作为方程的解。将方程写为微分形式有

$dX(t) = f (X(t))dt + g(X(t))dW (t), X(0) = X_0 , 0\le t \le T. (2)$

在区间 $[0, T ]$ 采用一个算法来求解上面微分方程,首先进行离散处理。使 $\Delta t = T /L$ ,其中 $L$ 为某一正整数,并且有 $\tau _j= j \Delta t$ 。数值近似 $X(\tau _j)$ 表示成 $X_j$ 。Euler-Maruyama 具有如下形式

$X_j = X_{j-1} + f (X_{j-1})\Delta t + g(X_{j-1})(W(\tau _j)- W (\tau _{j-1} )), j = 1, 2, ..., L. (3)$

方程 (3) 可以由积分形式来理解,积分形式为

$X(\tau _j ) = X(\tau _{j-1} ) +\int_{\tau _{j-1}} ^{\tau _j} f (X(s))ds +\int _{\tau _{j-1}} ^{\tau _j} g(X(s))dW (s). (4)$

方程 (3) 中每一项都和方程 (4) 相对应,当 $g\equiv 0$ 时,方程 (3) 退化成 Euler 方法。

首先我们将离散 Brownian 路径来生成方程 (3) 所需要的增量 $W (\tau _j)- W (\tau_{j-1})$ ,为了方便起见,我们将时间步长选为 Brownian 路径增量 $\delta t$ 的整数倍 $R\delta t$ ,其中 $R\ge 1$ 为整数。这样可以使得采用 Euler-Maruyama 计算的时间点序列 $\{ \tau _j \}$ 是包含在 Brownian 路径的时间序列 $\{ \tau _j \}$ 中的。列举一个将 Euler-Maruyama 方法应用到线性 SDE 的例子

$dX(t) = \lambda X(t)dt + \mu X(t)dW (t), X(0) = X_0. (5)$

其中 $\lambda$ 和 $\mu$ 都是实常数;因此在方程 (2) 中 $f (X) = \lambda X$ 和 $g(X) = \mu X$ 。这个是金融数学中的Black-Scholes 偏微分方程可以由方程 (5) 得到 [2]。方程 (5) 的解析解为 [3]

$X(t) = X(0) \exp((\lambda -\mu ^2)t + \mu W (t)). (6)$

取 $\lambda = 2, \mu = 1, X_0 = 1$ 。令 Brownian 路径在区间 $[0, 1]$ 之间和 $\delta t = 2^{-8}$ ,并且按照方程 (6) 得到方程的解析解 $Xture$ 。然后采用 Euler-Maruyama 计算时采用时间步 $\Delta t = R\delta t$ ,令 $R = 4$ 。采用Euler-Maruyama 的一般步长所对应的增量 $W (\tau _j ) -W (\tau _{j-1} )$ 的数值为

$W (\tau _j ) - W (\tau_{j-1}) = W (jR\delta t)-W ((j-1)R\delta t) =\sum _{k=jR-R+1} ^{jR} dW_k.$

由此得到 Euler-Maruyama 方法的数值解。得到结果如图 1

此时在 $t=T$ 的点数值解和解析解的误差为 $emerr = 0.6907$ ,当取 $R = 1$ 时,如图 1,在 $t = T$ 的点数值解和解析解的误差为 $emerr = 0.0821$ 。

Matlab程序

randn('state',100)
lambda=2;mu=1;Xzero=1;
T=1;N=5000;dt=1/N;
dW=sqrt(dt)*randn(1,N);
W=cumsum(dW);

Xtrue=Xzero*exp((lambda-0.5*mu^2)*([dt:dt:T])+mu*W);
plot([0:dt:T],[Xzero,Xtrue],'k-'),hold on;

R=1;Dt=R*dt;L=N/R;
Xem=zeros(1,L);
Xtemp_em=Xzero;
for j=1:L
    t=j*Dt;
    Winc=sum(dW(R*(j-1)+1:R*j));
    Xtemp_em=Xtemp_em+Dt*lambda*Xtemp_em+mu*Xtemp_em*Winc; 
    Xem(j)=Xtemp_em;
end

plot([0:Dt:T],[Xzero,Xem],'k--*'),hold off;
xlabel('{$t$}','Interpreter','latex','FontSize',12)
ylabel('{$X_t$}','Interpreter','latex','FontSize',16,'Rotation',0,'HorizontalAlignment','right')

emerr=abs(Xem(end)-Xtrue(end));

参考文献

[1] Desmond J. Higham, An Algorithmic Introduction to Numerical Simulation of Stochatic Differential Equations, SIAM REVIEW, 43(3), 2001, 525-546.

[2] J. C. Hull, Options, Futures, and Other Derivatives, 6th ed., Pearson PH, 2009, 307-309.

[3] X. Mao, Stochatic Differential Equations and Applications, Horwood, Chichester, 1997, 105.

蓝色艺林

关注

8
点赞
踩
58

收藏

觉得还不错? 一键收藏
6
评论
Euler-Maruyama 方法数值算例

pdf原文件将随机微分方程写成积分形式有其中都是标量函数并且初始条件是随机变量。这里的积分采用的是 Ito 积分,方程的解是随变化的随机变量。现在定义一种求解上述方程的数值方法,并且将数值方法在时间步长趋于 0 时所得的随机变量作为方程的解。将方程写为微分形式有在区间采用一个算法来求解上面微分方程,首先进行离散处理。使 ,其中为某一正整数,并且有。数值近似表示成。Euler-Ma...
复制链接

扫一扫