Riepilogo Tecnico: Implementazione degli Schemi di Milstein per Equazioni Differenziali Stocastiche con Ritardi Fissi Arbitrari

1. Enunciato del Problema

Il lavoro affronta la simulazione numerica di Equazioni Differenziali Stocastiche con Ritardi (SDDE) di tipo Itô con molteplici ritardi fissi ($\tau_1, \dots, \tau_K$) che non si allineano a una griglia temporale uniforme. Sebbene esistano quadri teorici per gli ordini di convergenza forte di $1/2$ (Euler–Maruyama) e $1$ (Milstein) per tali equazioni, l'implementazione pratica degli schemi di ordine 1 è stata largamente limitata ai "ritardi divisibili"—casi in cui tutti i ritardi sono multipli interi di un passo temporale comune $h$.

La sfida principale sorge perché gli schemi di alto ordine (in particolare lo schema di Milstein) richiedono valutazioni della soluzione a tempi ritardati ($t_n - \tau_k$) e integrali stocastici iterati ritardati ($I^{\tau_k}_{ij}$). Quando i ritardi sono "indivisibili" (cioè non esiste un divisore comune per i ritardi e il passo temporale), questi punti temporali richiesti non coincidono con la griglia di simulazione. Di conseguenza, le implementazioni standard a passo fisso non riescono a valutare esattamente questi termini, costringendo all'uso di approssimazioni che degradano l'ordine di convergenza a $1/2$.

2. Metodologia

Gli autori propongono un approccio sistematico per raggiungere un ordine di convergenza forte (OoC) 1 per le SDDE con ritardi fissi arbitrari. La metodologia è divisa in due strategie principali:

A. Interpolazione Lineare (LI) per OoC 1/2

Per fornire un benchmark computazionalmente efficiente, gli autori implementano schemi con passo temporale fisso $h$. Quando i punti temporali ritardati ($t_n - \tau_k$) cadono tra i punti della griglia, i valori della soluzione ritardata sono approssimati utilizzando l'interpolazione lineare (LI) tra i valori simulati più vicini.

• Schemi: Euler–Maruyama (EM), Milstein, Magnus–Euler–Maruyama (MEM) e Magnus–Milstein (MM) sono adattati utilizzando la LI.
• Risultato: Questo approccio è semplice ed efficiente ma limita l'ordine di convergenza a $1/2$, anche quando si utilizzano approssimazioni integrali raffinate, poiché l'errore di interpolazione domina l'errore globale.

B. Griglia Temporale Aumentata per OoC 1

Per raggiungere l'OoC 1 teorico, gli autori costruiscono una griglia temporale aumentata che include esplicitamente tutti i punti temporali necessari per la valutazione dello schema di Milstein.

• Costruzione: La griglia è costruita iniziando con un insieme iniziale di tempi di osservazione (incluso il tempo finale $T$ e i multipli dei ritardi) e aggiungendo ricorsivamente tutti i punti ritardati necessari ($t_n - \tau_k$, $t_n - \tau_l - \tau_k$, ecc.) fino a quando l'insieme è chiuso rispetto alle operazioni di ritardo nell'intervallo $[0, T]$.
• Passo Temporale Variabile: Ciò risulta in una griglia non uniforme a passo temporale variabile.
• Simulazione degli Integrali: Gli autori estendono il metodo di approssimazione trapezoidale per gli integrali stocastici iterati (originariamente sviluppato per ritardi divisibili) a questa griglia aumentata. Definendo una Griglia Temporale Aumentata Raffinata (ARTM) applicando la stessa logica di costruzione con un passo temporale iniziale più fine. Ciò garantisce che per qualsiasi intervallo $[t_n, t_{n+1}]$ nella griglia dello schema, i corrispondenti intervalli ritardati $[t_n - \tau_k, t_{n+1} - \tau_k]$ siano completamente risolti dall'ARTM, permettendo la simulazione esatta degli integrali iterati ritardati $I^{\tau_k}_{ij}$ utilizzando la regola trapezoidale.

3. Contributi Chiave

1. Quadro della Griglia Aumentata: Il lavoro introduce un algoritmo costruttivo (Algoritmo 1) per generare una griglia temporale che accomoda ritardi fissi arbitrari, consentendo la valutazione esatta dei valori dello schema ritardati senza interpolazione.
2. Estensione dell'Integrazione Trapezoidale: Gli autori generalizzano l'approssimazione trapezoidale per gli integrali stocastici iterati al contesto dei ritardi indivisibili utilizzando l'ARTM, assicurando che le regioni di integrazione ritardate si allineino con i punti della griglia.
3. Verifica della Convergenza: Il lavoro fornisce una prova teorica (Teorema 4) ed evidenze numeriche che gli schemi di Milstein e Magnus–Milstein, quando implementati sulla griglia aumentata con integrali raffinati, raggiungono il loro ordine di convergenza forte teorico di 1, anche per ritardi indivisibili.
4. Analisi Comparativa: Il lavoro confronta sistematicamente le prestazioni degli schemi LI a passo fisso (OoC 1/2) contro gli schemi a griglia aumentata (OoC 1), dimostrando che, sebbene la griglia aumentata comporti costi computazionali più elevati (a causa della crescita della dimensione della griglia), è necessaria per raggiungere una precisione di ordine 1.

4. Risultati

• Ordini di Convergenza: Gli esperimenti numerici confermano che per ritardi divisibili, sia gli schemi a passo fisso che quelli a griglia aumentata si comportano come previsto. Tuttavia, per ritardi indivisibili, gli schemi a passo fisso che utilizzano l'interpolazione lineare degradano a OoC 1/2. Al contrario, gli schemi a griglia aumentata mantengono l'OoC 1.
• Dimensione della Griglia vs. Magnitudine del Ritardo: La dimensione della griglia aumentata cresce quadraticamente con il numero di multipli del ritardo. Gli autori notano che il metodo è più pratico quando i ritardi sono grandi rispetto al tempo finale $T$. Quando i ritardi sono piccoli, la dimensione della griglia può diventare proibitivamente grande.
• Efficienza Computazionale: La Tabella 3 indica che, sebbene la griglia aumentata richieda più tempo di calcolo rispetto ai metodi LI a passo fisso, può essere più efficiente dei metodi LI quando è richiesta un'alta accuratezza. Ad esempio, per raggiungere un livello specifico di errore, lo schema di Milstein a griglia aumentata è risultato più veloce dello schema EM LI in configurazioni specifiche di ritardi indivisibili.
• Applicazione a Modelli Finanziari: Il metodo è stato applicato a un modello di volatilità locale ritardato (DLVM) per la valutazione delle opzioni call digitali. Lo schema di Milstein a griglia aumentata ha fornito stime stabili e accurate dei valori delle opzioni a risoluzioni temporali più grezze rispetto ai metodi di ordine inferiore.

5. Significato e Affermazioni

Il lavoro afferma di colmare un divario critico tra l'esistenza teorica di solver SDDE di alto ordine e la loro implementazione pratica per ritardi generali.

• Implementazione Pratica: Gli autori sottolineano che, sebbene lo schema di Milstein continuo fosse stato teoricamente stabilito da Kloeden e Shardlow [14], non esisteva una strategia di implementazione standard per ritardi indivisibili. Questo lavoro fornisce tale strategia.
• Robustezza: Il metodo si dimostra robusto attraverso varie configurazioni di ritardo, inclusi casi con molteplici ritardi e valori di ritardo irrazionali (ad esempio, $\pi/4$).
• Limitazioni e Lavori Futuri: Gli autori riconoscono modestamente che la dimensione della griglia aumentata può diventare un collo di bottiglia per ritardi piccoli. Suggeriscono che per tali casi, il metodo LI (OoC 1/2) rimane un'alternativa valida. Le estensioni future menzionate includono la gestione di ritardi dipendenti dal tempo o distribuiti e l'esplorazione di raffinamento adattivo o implementazioni parallele per mitigare i costi computazionali.

In sintesi, il lavoro stabilisce che abbandonando il vincolo di una griglia temporale uniforme a favore di una griglia aumentata costruita sistematicamente, è possibile realizzare la convergenza di ordine 1 forte per le SDDE con ritardi fissi arbitrari, consentendo così simulazioni più accurate per modelli stocastici complessi in campi come la finanza e l'ecologia.