logo

オイラー・マルヤマ法の導出 📂確率微分方程式

オイラー・マルヤマ法の導出

メソッド 1

dX(t)=f(Xt)dt+g(Xt)dWt,t[t0,T] d X(t) = f \left( X_{t} \right) dt + g \left( X_{t} \right) d W_{t} \qquad , t \in [t_{0}, T] 伊藤過程が上に示された自律確率微分方程式のソリューションとして与えられているとしよう。間隔がhhで一定の等間隔時間点{tiT:ti+1=ti+h}i=0N\left\{ t_{i} \le T : t_{i+1} = t_{i} + h \right\}_{i=0}^{N}に対して、以下のように計算されるYi:=Y(ti)Y_{i} := Y \left( t_{i} \right)は、与えられた微分方程式の数値的解だ。 Yi+1=Yi+f(Yi)h+g(Yi)hZ Y_{i+1} = Y_{i} + f \left( Y_{i} \right) h + g \left( Y_{i} \right) \sqrt{h} Z ここでZZは、標準正規分布に従う確率変数だ。

収束性

このソリューションは強くγ=1/2\gamma = 1/2次収束し、弱くβ=1\beta = 1次収束する。

説明

オイラー・マルヤマ近似スキームeuler-Maruyama Approximation Schemeは、確率微分方程式を数値的に解く最も単純な方法で、概念的には通常の微分方程式を解くオイラー法と変わらず、実際の計算をする立場からは、ただ式を見てそのまま書き写すシミュレーションそのものだ。

導出

Xt+h=Xt+tt+hf(s)ds+tt+hg(s)dWs X_{t+h} = X_{t} + \int_{t}^{t+h} f(s) ds + \int_{t}^{t+h} g(s) d W_{s} 伊藤過程の積分形を考えよう。ドリフト項は tt+hf(s)dsf(Xt)tt+hds=f(Xt)h \int_{t}^{t+h} f(s) ds \approx f \left( X_{t} \right) \int_{t}^{t+h} ds = f \left( X_{t} \right) h であり、拡散項は tt+hg(s)dWsg(Xt)tt+hdWs=g(Xt)(Wt+hWt)=g(Xt)ΔWt \begin{align*} \int_{t}^{t+h} g(s) dW_{s} \approx& g \left( X_{t} \right) \int_{t}^{t+h} dW_{s} \\ =& g \left( X_{t} \right) \left( W_{t+h} - W_{t} \right) \\ =& g \left( X_{t} \right) \Delta W_{t} \end{align*} だ。ウィーナー過程のインクリメントWt+hWtW_{t+h} - W_{t}は、正規分布N(0,h)N \left( 0, h \right)に従うので、ΔWt+hhN(0,1)\Delta W_{t+h} \sim \sqrt{h} N \left( 0 , 1 \right)である。したがって、標準正規分布に従う確率変数ZZに対して、以下のように表現できる。 Xi+h=Xi+f(Xi)h+g(Xi)hZ X_{i+h} = X_{i} + f \left( X_{i} \right) h + g \left( X_{i} \right) \sqrt{h} Z


  1. Panik. (2017). Stochastic Differential Equations: An Introduction with Applications in Population Dynamics Modeling: p194, 217. ↩︎