A Randomized Milstein Scheme for SDEs with Superlinear Drift Coefficient

Technische Samenvatting: Een gerandomiseerd getemd Milstein-schema voor SDE's met superlineaire drift

Probleemstelling
Dit werk behandelt de numerieke benadering van stochastische differentiaalvergelijkingen (SDE's) van de vorm:
$$x_t = x_0 + \int_0^t \mu(s, x_s) ds + \int_0^t \rho(s, x_s) dw_s$$
waarbij de driftcoëfficiënt $\mu$ een superlineaire groei vertoont in de toestandsvariabele en beschikt over lage temporele regulariteit, specifiek gekwantificeerd door $\beta$-Hölder-continuïteit met $\beta \in (0, 1]$.

Klassieke expliciete numerieke schema's (zoals de Euler-Maruyama of standaard Milstein-methoden) falen in deze setting. Zoals aangetoond in eerdere literatuur, lijden expliciete schema's toegepast op SDE's met superlineair groeiende coëfficiënten vaak aan een eindige-tijd explosie (finite-time blow-up) door ongecontroleerde momentengroei. Hoewel impliciete methoden stabiliteit bieden, brengen zij aanzienlijke computationele overhead met zich mee, met name in hoge dimensies. Bovendien hebben standaard expliciete schema's moeite met tijd-irreguliere driften, waarbij ze vaak niet in staat zijn om optimale convergentiegraden te bereiken.

Methodologie
De auteurs stellen een gerandomiseerd getemd Milstein-schema voor dat twee afzonderlijke strategieën integreert om de dubbele uitdagingen van superlineaire groei en lage temporele regulariteit te overwinnen:

1. Taming-mechanisme: Om de superlineaire groei van de drift te beheersen, gebruikt het schema een "taming"-functie. Specifiek wordt de driftterm gemodificeerd als:
   $$(\bar{\mu})^n_{tm}(s, x) := \frac{\mu(s, x)}{1 + n^{-1}|x|^{2\xi}}$$
   Deze modificatie zorgt ervoor dat de drift begrensd blijft ten opzichte van de discretisatieparameter $n$, waardoor de explosie van momenten wordt voorkomen terwijl het expliciete karakter van het schema behouden blijft.

2. Drift-randomisering: Om de lage temporele regulariteit van de drift aan te pakken, maakt het schema gebruik van een randomiseringsstrategie. In plaats van de drift te evalueren op de deterministische roosterpunten $t_j$, evalueert het schema de drift op willekeurige tijdspunten $\tau^n_s = t_{j-1} + \delta t \cdot \tau_{j-1}$, waarbij $\tau_{j-1}$ onafhankelijke uniforme willekeurige variabelen zijn op $[0, 1]$. Deze randomisering maakt gebruik van de integraaleigenschappen van de drift om hogere-orde convergentiegraden te herstellen, ondanks het gebrek aan gladheid in de tijd.

Het resulterende schema (Vergelijking 3) benadert de oplossing $x_t$ via:
$$x^n_t = x_0 + \int_0^t (\bar{\mu})^n_{tm}(\tau^n_s, x^n_{\eta^n_s}) ds + \int_0^t \Gamma(\eta^n_s, s, x^n_{\eta^n_s}) dw_s$$
waarbij $\Gamma$ de Milstein-correctieterm vertegenwoordigt die de afgeleide van de diffusiecoëfficiënt $\rho$ bevat.

Kernbijdragen en Analytisch Kader
De primaire bijdrage is het rigoureuze bewijs van sterke $L^p$-convergentie voor dit gecombineerde schema. De analyse introduceert verschillende nieuwe elementen:

• Auxiliair proces: De auteurs definiëren een hulp-proces $z^n_t$ (Vergelijking 7) dat wordt beheerst door de oorspronkelijke drift geëvalueerd op willekeurige tijden, maar zonder de taming of Milstein-correctie. Dit proces dient als een cruciale brug tussen de ware oplossing $x_t$ en het numerieke schema $x^n_t$.
• Decompositie van de fout: Het convergentiebewijs berust op het splitsen van de fout $|x_t - x^n_t|$ in twee componenten: $|x_t - z^n_t|$ (fout door randomisering) en $|z^n_t - x^n_t|$ (fout door taming en discretisatie).
• Nieuwe schattingen: Het artikel leidt essentiële schattingen af (Lemma's 3.1 en 3.5) die de interactie tussen het taming-mechanisme en de randomisering behandelen. Deze schattingen zijn noodzakelijk omdat bestaande convergentietheorieën voor ofwel gerandomiseerde schema's ofwel getemde schema's afzonderlijk onvoldoende zijn voor deze gecombineerde setting.

Hoofdresultaten
Onder geschikte hypothesen met betrekking tot de momenten van de beginvoorwaarde, de groei van de coëfficiënten en de Hölder-continuïteit van de drift en diffusie, stelt het artikel de volgende convergentiegraad vast (Theorem 2.1):

$$\sup_{t \in [0, T]} \mathbb{E}|x_t - x^n_t|^p \leq C n^{-p \min\{\beta + \frac{1}{2}, 1\}}$$

• Optimaliteit: Wanneer de drift voldoende regulier is ($\beta \geq 1/2$), bereikt het schema een optimale sterke convergentiegraad van orde 1.
• Vergelijking: Deze graad overtreft de convergentiegraad van het klassieke getemde Milstein-schema, dat beperkt is tot orde $\beta$ in de aanwezigheid van een tijd-irreguliere drift.
• Toepasbaarheid: De resultaten zijn van toepassing op SDE's met superlineaire drift en lineaire diffusie. Het artikel merkt op dat hoewel de diffusiecoëfficiënt in de geciteerde taming-literatuur [17] superlineair kon zijn, het huidige gerandomiseerde-getemde Milstein-schema beperkt is tot het geval van lineaire diffusie.

Betekenis en Omvang
Het artikel beweert de eerste rigoureuze studie te presenteren van een gerandomiseerde versie van het getemde Milstein-schema voor SDE's met superlineaire coëfficiënten. Dit werk breidt de nieuwheid van gerandomiseerde numerieke methoden uit naar de context van superlineaire groei, een setting die voorheen niet door dergelijke technieken werd behandeld.

Het ontwikkelde analytische kader is bedoeld om te dienen als basis voor toekomstig onderzoek naar:

• Hogere-orde gerandomiseerde-getemde schema's voor Lévy-gedreven SDE's met superlineaire groei.
• McKean–Vlasov type SDE's.

Numerieke Validatie
De theoretische bevindingen worden gevalideerd door numerieke experimenten op het stochastische FitzHugh–Nagumo systeem, een model dat wordt gebruikt in de neurowetenschap. Het systeem vertoont een cubische niet-lineariteit in de drift (superlineaire groei) en tijd-afhankelijke externe inputs. De numerieke resultaten bevestigen de theoretische voorspelling en vertonen een convergentiegraad van orde 1.0, consistent met het geval waarin de drift over voldoende temporele regulariteit beschikt.

Beperkingen
De auteurs geven expliciet aan dat het huidige schema alleen de lineaire diffusie-gevallen dekt. Hoewel het taming-mechanisme in eerder werk [17] superlineaire diffusie accommodeerde, is de combinatie van randomisering en taming in dit specifieke Milstein-framework momenteel beperkt tot lineaire diffusiecoëfficiënten. Daarnaast richt de analyse zich op jump-vrije SDE's, waarmee Lévy-ruis wordt uitgesloten, wat wordt genoteerd als een richting voor toekomstig werk.