Дифференциальные стохастические уравнения и численное интегрирование: метод Эйлера-Маруямы

Рассмотрим абстрактное СДУ Ито: $dX_t = a(t, X_t) dt + b(t, X_t) dW_t$. Для его численного решения временной интервал $[0, T]$ разбивается на $N$ равных шагов $Delta t = T/N$. В дискретные моменты времени $t_n = n Delta t$ значение процесса $X_n$ аппроксимируется рекуррентной формулой Эйлера-Маруямы: $X_{n+1} = X_n + a(t_n, X_n) Delta t + b(t_n, X_n) Delta W_n$. Ключевой элемент стохастического интегрирования — приращение винеровского процесса $Delta W_n = W_{t_{n+1}} - W_{t_n}$. Согласно свойствам броуновского движения, $Delta W_n$ моделируется как случайная величина, подчиняющаяся нормальному распределению с нулевым ожиданием и дисперсией $Delta t$, то есть $Delta W_n = sqrt{Delta t} Z_n$, где $Z_n sim N(0, 1)$ — стандартная гауссовская переменная.

В стохастическом анализе точность численных методов измеряется двумя метриками: сильной и слабой сходимостью. Сильная сходимость измеряет среднюю абсолютную ошибку отдельной траектории (Pathwise Error): $mathbb{E}[|X_N - X(T)|]$. Метод Эйлера-Маруямы имеет порядок сильной сходимости 0.5. Слабая сходимость оценивает ошибку моментов распределения (математического ожидания функции выплат): $|mathbb{E}[f(X_N)] - mathbb{E}[f(X(T))]|$. Здесь метод имеет порядок сходимости 1.0. Для ценообразования европейских опционов методом Монте-Карло важна именно слабая сходимость, поэтому схема Эйлера-Маруямы часто оказывается достаточной. Однако для опционов, сильно зависящих от пути (барьерные опционы), требуется более высокий порядок сильной сходимости.

Для повышения сильной точности до порядка 1.0 применяется Схема Мильштейна (Milstein Scheme). Математически она выводится из разложения Тейлора-Ито путем удержания членов более высокого порядка. Формула Мильштейна добавляет к схеме Эйлера корректирующий член, учитывающий квадратичную вариацию: $X_{n+1} = X_n + a(X_n)Delta t + b(X_n)Delta W_n + frac{1}{2} b(X_n) b^prime(X_n) ((Delta W_n)^2 - Delta t)$. Если волатильность $b(X_n)$ постоянна (как в модели Васичека), производная $b^prime(X_n) = 0$, и схема Мильштейна полностью вырождается в схему Эйлера-Маруямы. На практике вычисление производных волатильности оправдано только при сильной нелинейности функции диффузии.

Особая вычислительная проблема возникает при симуляции процессов типа "Квадратный корень" (процесс Кокса-Ингерсолла-Росса или волатильность в модели Хестона), где $b(X) propto sqrt{X}$. Из-за дискретизации времени схема Эйлера-Маруямы может выбросить отрицательное значение $X_{n+1}$, что сделает вычисление корня на следующем шаге невозможным. Для преодоления этого математического артефакта финансовые инженеры применяют Схемы поглощения ($X_{n+1} = max(X_{n+1}, 0)$) или Схемы отражения ($X_{n+1} = |X_{n+1}|$). Понимание этих нюансов дискретизации критически важно для предотвращения фатальных багов и крашей в промышленных прайсерах инвестиционных банков.

Список литературы:
1. Kloeden P.E., Platen E. Numerical Solution of Stochastic Differential Equations. — Springer, 1992.
2. Glasserman P. Monte Carlo Methods in Financial Engineering. — Springer, 2003.
3. Артемьев С.С., Аверина Т.А. Численный анализ систем обыкновенных и стохастических дифференциальных уравнений. — М.: ВШЭ, 2004.
Эксперты: Питер Клоэден, Экхард Платен, Пол Глассерман.