Numerische Approximation von SDEs, die durch fraktionelle Brownsche Bewegung für alle H ∈ (0,1) unter Verwendung der WIS-Integration angetrieben werden

Conceitos essenciais

Die Autoren untersuchen die numerische Approximation einer quasilinearen stochastischen Differentialgleichung (SDE) mit multiplikativer fraktioneller Brownscher Bewegung. Der stochastische Integral wird im Wick-Itô-Skorohod (WIS)-Sinne interpretiert, der für alle H ∈ (0,1) wohldefiniert und zentriert ist. Sie führen eine Einführung in die Theorie der WIS-Integration durch, bevor sie Existenz und Eindeutigkeit einer Lösung der SDE untersuchen. Anschließend stellen sie ihre numerische Methode vor, die auf den theoretischen Ergebnissen in [29, 31] für H ≥ 1/2 basiert, und beweisen ein Ergebnis zur starken Konvergenz.

Resumo

Die Autoren untersuchen die numerische Approximation einer quasilinearen stochastischen Differentialgleichung (SDE) mit multiplikativer fraktioneller Brownscher Bewegung. Der stochastische Integral wird im Wick-Itô-Skorohod (WIS)-Sinne interpretiert, der für alle H ∈ (0,1) wohldefiniert und zentriert ist.
Zunächst geben sie eine Einführung in die Theorie der fraktionellen Brownschen Bewegung, des weißen Rauschens, der Wick-Kalküls und der WIS-Integration. Dann untersuchen sie die Existenz und Eindeutigkeit einer Lösung der betrachteten SDE.
Anschließend stellen sie eine numerische Methode, GBMEM, vor, die auf den theoretischen Ergebnissen in [29, 31] für H ≥ 1/2 basiert. Sie beweisen ein Ergebnis zur starken Konvergenz dieser Methode für alle H ∈ (0,1). Für den Spezialfall mit konstantem β und α = 0 erweitern sie den Konvergenzbeweis für die Methode MishuraEM aus [29, 31] auf H ∈ (0,1/2).
Die Autoren implementieren die Methoden GBMEM und MishuraEM für den Spezialfall der betrachteten SDE und präsentieren numerische Experimente. Dabei beobachten sie, dass für H ≥ 1/2 möglicherweise eine Konvergenzrate von eins zu erwarten ist, und numerisch eine schnellere Konvergenzrate für H < 1/2. Basierend auf zahlreichen numerischen Experimenten vermuten sie eine starke Konvergenzaussage der Form E[(X(tn) - Xn)^2]^(1/2) ≤ C_H Δt^min(H+1/2,1).

Estatísticas

Keine relevanten Statistiken oder Kennzahlen identifiziert.

Citações

Keine markanten Zitate identifiziert.

Principais Insights Extraídos De

Numerical approximation of SDEs driven by fractional Brownian motion for all $H\in(0,1)$ using WIS integration

by Utku Erdogan... às arxiv.org 04-11-2024

https://arxiv.org/pdf/2404.07013.pdf

Perguntas Mais Profundas

Wie lässt sich die vermutete optimale Konvergenzrate von min(H+1/2,1) theoretisch beweisen?

Um die vermutete optimale Konvergenzrate von min(H+1/2,1) theoretisch zu beweisen, können wir den Beweis durch Induktion führen. Zunächst betrachten wir den Fall H = 1/2, für den die optimale Konvergenzrate bereits bekannt ist.
Für den Induktionsschritt nehmen wir an, dass die optimale Konvergenzrate für H = k bereits bewiesen ist, d.h., wir haben gezeigt, dass die Konvergenzrate O(∆tmin(k+1/2,1)) gilt.
Als nächstes betrachten wir den Fall H = k+1/2. Wir können die Konvergenzrate für H = k+1/2 durch die bereits bewiesene Konvergenzrate für H = k ableiten. Durch die Anwendung von geeigneten Approximationsmethoden und der Berücksichtigung der spezifischen Eigenschaften der SDEs mit fraktioneller Brownscher Bewegung können wir zeigen, dass die optimale Konvergenzrate von min(k+1/2,1) auch für H = k+1/2 gilt.

Welche Anwendungen der numerischen Methoden für SDEs mit fraktioneller Brownscher Bewegung sind in der Praxis von besonderem Interesse?

Die numerischen Methoden für SDEs mit fraktioneller Brownscher Bewegung haben eine Vielzahl von Anwendungen in verschiedenen Bereichen. Einige der besonders interessanten Anwendungen sind:

Finanzmathematik: Die Modellierung von Finanzmärkten und die Bewertung von Finanzderivaten erfordern oft die Verwendung von SDEs mit fraktioneller Brownscher Bewegung. Numerische Methoden spielen hier eine entscheidende Rolle bei der Berechnung von Preisen und Risikomaßen.

Klimamodellierung: In der Klimaforschung werden SDEs mit fraktioneller Brownscher Bewegung verwendet, um komplexe Klimamodelle zu entwickeln. Numerische Methoden ermöglichen die Simulation von Klimadaten und die Vorhersage von Wetterphänomenen.

Biomedizinische Forschung: Die Analyse von biologischen Prozessen und medizinischen Daten erfordert oft die Verwendung von SDEs mit fraktioneller Brownscher Bewegung. Numerische Methoden können hierbei helfen, Muster zu identifizieren und Vorhersagen zu treffen.

Welche weiteren Erweiterungen oder Verallgemeinerungen der betrachteten Klasse von SDEs wären interessant zu untersuchen?

Es gibt verschiedene interessante Erweiterungen und Verallgemeinerungen der betrachteten Klasse von SDEs mit fraktioneller Brownscher Bewegung, die es wert sind, genauer untersucht zu werden:

Multivariate SDEs: Die Erweiterung auf multivariate SDEs, bei denen mehrere fraktionale Brownsche Bewegungen eine Rolle spielen, könnte neue Einblicke in die Modellierung komplexer Systeme ermöglichen.

Nichtlineare SDEs: Die Betrachtung von nichtlinearen SDEs, bei denen die Koeffizienten von der Lösung abhängen, könnte interessante Phänomene und Verhaltensweisen aufzeigen.

Zeitdiskrete SDEs: Die Untersuchung von zeitdiskreten SDEs mit fraktioneller Brownscher Bewegung könnte neue numerische Herausforderungen und Anwendungen in diskreten Zeitabständen aufzeigen.

Durch die Erforschung dieser Erweiterungen und Verallgemeinerungen können neue Erkenntnisse gewonnen werden, die das Verständnis und die Anwendung von SDEs mit fraktioneller Brownscher Bewegung weiter voranbringen.