- •Случайные события
- •Стохастический мир
- •Случайные величины
- •Совместная и условная вероятности
- •Зависимость и независимость
- •Характеристическая функция
- •Модель аддитивного блуждания
- •Случайные процессы
- •Стохастические уравнения
- •Уравнение Ито
- •Остановка перед восхождением
- •Лемма Ито
- •Точные решения
- •Простые стохастические модели
- •Представление решений
- •Автокорреляция и спектр
- •Порождающий процесс Винера
- •Средние значения
- •Динамическое уравнение для средних
- •Процесс Феллера
- •Логистическое уравнение
- •Вероятности
- •Марковские плотности вероятности
- •Граничные условия
- •Стохастические интегралы
- •Площадь под траекторией Винера
- •Интегралы Ито
- •Интегрирование стохастических уравнений
- •Единственность решений
- •Метод последовательных приближений
- •Системы уравнений
- •Скоррелированные блуждания
- •Системы стохастических уравнений
- •Стохастический осциллятор
- •Линейные многомерные модели
- •Многомерие помогает одномерию
- •Как решать стохастические задачи?
- •Стохастическая природа
- •Теория броуновского движения
- •Стохастический осциллятор
- •Дрожание земной оси
- •Электронный шум
- •Хищники и их жертвы
- •Стохастическое общество
- •Финансовые рынки
- •Эмпирические закономерности
- •Диверсификация
- •Портфель на всю жизнь
- •Опционы
- •Кривая доходности
- •Компьютерное моделирование
- •Статистики
- •Случайные числа
- •Моделирование стохастических процессов
- •Ошибки вычислений и ускорение сходимости
- •Вычисление средних
- •R: Стохастический справочник
- •Основные соотношения теории
- •Системы уравнений с одинаковым шумом
- •M: Математические приложения
- •H: Помощь
- •C: Примечания
- •Рекомендуемая литература
148 |
Глава 5. |
5.6Метод последовательных приближений
При разложении средних величин в ряд по tn (ñòð. 95) мы упоминали
метод последовательных приближений как один из итерационных способов построения решения. Рассмотрим его теперь подробнее, используя стохастическое интегральное уравнение со сносом и волатильностью, не зависящими от времени:
t |
t |
ZZ
x(t) = x0 + 0 |
a x( ) d + 0 |
b x( ) W : |
Идея метода состоит в выборе некоторого нулевого приближения случайной функции x0(t), удовлетворяющего начальному условию x0(0) = x0, и получении поправок к нему по следующей схеме:
t |
t |
ZZ
xk+1(t) = x0 + a xk( ) d + b xk( ) W :
0 0
В правой части стоит известная случайная функция xk(t), найденная на предыдущей итерации. В результате интегрирований получается следующее приближение к решению. Заметим, что на каждой итерации текущее приближение удовлетворяет начальному условию xk(0) = x0. Вообще го- воря, требуется доказать, что подобная процедура при бесконечном е¼ применении сходится к точному решению уравнения. Мы не будем этого делать, а рассмотрим пример е¼ использования.
В качестве нулевого приближения выберем начальное условие x0. Òî- гда постоянные величины a0 = a(x0) è b0 = b(x0) выносятся за интеграл, и первая итерация имеет вид:
|
|
|
|
|
x1(t) = x0 + a0 t + b0 Wt: |
(5.31) |
||||
|
|
p |
|
|
|
! 0 |
|
|
|
|
Òàê êàê |
Wt = " |
t |
, ïðè |
t |
мы фактически получили итерационную |
|||||
|
|
|
|
|
|
|
||||
схему для стохастического дифференциального уравнения: |
|
|||||||||
|
|
|
|
x1(t) = x0 + a0 t + b0 " p |
|
|
|
|||
|
|
|
|
t; |
(5.32) |
которая активно использовалась в предыдущих главах. Понятно, что она работает тем лучше, чем меньше прошло времени t от начального момен-
òà t0 = 0. При численном решении стохастических дифференциальных уравнений выражение (5.32) часто называется схемой Эйлера.
Стохастические интегралы |
149 |
Разложим снос и волатильность в ряд Тейлора в окрестности x0: |
|
a(x) = a0 + a00 (x x0) + :::; |
b(x) = b0 + b00 (x x0) + :::; |
ãäå a00 = a0(x0) è b00 = b0(x0). Подставляя их и (5.31) в интегральное уравнение, для второй итерации имеем:
|
|
|
t |
t |
t |
x2(t) = x1(t) + a00 a0 |
t2 |
+ a00 b0 Z0 |
W d + b00 a0 Z0 |
W + b00 b0 Z0 |
W W : |
2 |
Воспользуемся формулой интегрирования по частям (см. Справочник R54, ñòð. 282) и известным интегралом по W от W (5.10), ñòð. 131:
t |
|
t |
|
t : |
||
Z W = t Wt St; |
Z W W = 2 Wt2 |
|||||
|
|
1 |
|
|
||
0 |
0 |
|
|
|
С их помощью перепишем второе приближение к решению:
|
1 |
|
|
|
|
|
t2 |
|
x2(t) = x1(t) + |
|
b00 b0 |
(Wt2 |
t) + b00 |
a0 t Wt + a00 |
a0 |
|
+ a00 b0 a0b00 St: |
2 |
2 |
Интеграл по времени St от винеровской переменной через Wt íå âûðà-
жается. Однако,påсли винеровский процесс выражен через гауссову переменную Wt = " t, то такой интеграл выражается через две независимые
гауссовы переменные ", |
N(0; 1), ñì. (5.4), ñòð. 125: |
|||||||
St = Z |
t |
p |
|
|
|
t3=2 |
||
|
|
|
||||||
Ws ds = |
3 |
" + |
2p |
|
: |
|||
3 |
||||||||
0 |
|
|
|
|
|
Поэтому для второго приближения к решению можно записать:
|
|
|
|
|
|
"p |
|
|
|
|
|
|
1 |
b0 b |
|
|
"2 |
1) |
|
|
|
|
|
|
|
||||
x |
t |
x |
0 |
+ |
b |
t |
+ |
a |
t |
+ |
0 |
( |
t |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
2( ) = |
|
0 |
|
|
|
0 |
|
2 0 |
|
|
|
|
|
|
|
t2 (5.33) |
||||||||||||
|
|
|
|
|
3=2 |
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
t3=2 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
+ |
b00 |
a0 "t |
|
+ a00 b0 |
a0b00 |
|
3 " + |
2p |
|
+ a00 |
a0 |
|
: |
|||||||||||||||
|
|
2 |
|||||||||||||||||||||||||||
|
|
3 |
Так же, как и схема Эйлера, это соотношение работает тем лучше, чем меньше t. Однако этот ряд имеет второй порядок малости по t и явля-
ется более точным. Первую строку в этом решении (точность порядка t)
называют схемой Милстейна. Мы воспользуемся ею и более точным выражением (5.33) в девятой главе для ускорения сходимости численного решения стохастических дифференциальных уравнений.
150 |
Глава 5. |