MilsteinDiscretisierung

MilsteinDiscretisierung ist ein numerisches Verfahren zur Approximation von Lösungspfaden stochastischer Differentialgleichungen Itô-Typ. Es wird verwendet, um SDEs der Form dX_t = a(X_t) dt + b(X_t) dW_t zu simulieren und liefert im Vergleich zur einfacheren Euler-Maruyama-Methode oft eine höhere Pfadgenauigkeit.

In einer Dimension mit X_0 = x und Schrittweite Δt > 0 gilt die Milstein-Update-Regel:

X_{n+1} = X_n + a(X_n) Δt + b(X_n) ΔW_n + 1/2 b'(X_n) b(X_n) [ (ΔW_n)^2 − Δt ],

wobei ΔW_n normalverteilt ist mit Mittelwert 0 und Varianz Δt, also ΔW_n ~ N(0, Δt).

Für mehrdimensionale SDEs dX_t = a(X_t) dt + B(X_t) dW_t mit W_t ∈ R^m lautet die Milstein-Variante:

X_{n+1} = X_n + a(X_n) Δt + B(X_n) ΔW_n

+ 1/2 sum_j sum_k [ ∂B^{(j)}(X_n)/∂x_k ] B^{(k)}(X_n) (ΔW_j ΔW_k − δ_{jk} Δt),

wobei ΔW_j unabhängige Normalvariablen mit ΔW_j ~ N(0, Δt) sind und δ_{jk} der Kronecker-Delta ist. Diese Form erfordert die Ableitungen der Diffusionskomponenten und ist damit rechentechnisch anspruchsvoller als einfache Formeln.

Eigenschaften und Anwendungsbereiche: Die MilsteinDiscretisierung erreicht unter geeigneten glatten Annahmen starke Konvergenzordnung 1.0, während Euler-Maruyama typischerweise Ordnung 0.5 besitzt. Dadurch liefert sie bei gleicher Schrittweite genauere Pfade. Typische Anwendungen finden sich in der Finanzmathematik, Physik und Ingenieurwesen, wo die genaue Nachbildung von Pfaden wichtig ist, etwa bei Optionspreisen oder Pfadabhängigkeiten. Die Implementierung erfordert sorgfältige Behandlung der Ableitungen der Diffusionsfunktion und kann in hohen Dimensionen kostenintensiver sein.