我们回到(2.5):通过隔离√vtdw在第二行和第三行,我们得到dyt=u(Vt,Xt,t)dt+ρpVtdWt+ρσVdVt+ρpVtdXt+dNt(3.11),其中u(v,x,t)=uY(v,x,t)-ρσVuV(V)- ρ√vuX(X)=σrx+νt- η -五、-ρσVκV(θV)- v) +ρκrx√v(3.12)(分别在(2.6)、(2.7)和(2.8)中定义了μY、μv和μX)。为了对(3.11)进行数值求解,我们主要利用噪声Wand N独立于过程V和X的事实。因此,我们采用近似树(^Vhn,^Xn)N=0,1,。。。,N-1如第3.1节所述,我们设置了(\'Vht,\'Xht)t∈[0,T]=(^Vh)t/h,^Xht/h)T∈[0,T]与(V,X)相关的时间连续c`adl`ag近似过程。然后,我们在(3.11)的系数中插入(V,X)的离散化(\'Vh,\'Xh)。因此,最终过程“Yh”近似Y设置为以下值:“\'Yh=Yand”表示t∈ (nh,(n+1)h]n=0,1,N- 1“Yht=”Yhnh+u(\'Vhnh,\'Xhnh,nh)(t)- nh)+ρq′Vht(Wt- Wnh)+ρσV(\'Vht-\'Vhnh)+ρq\'Vht(\'Xht-\'-Xhnh)+(Nt-Nnh)。(3.13)3.3 Monte Carlo方法让我们展示如何通过对耦合(V,X)使用树近似(3.9)和对Y分量使用Eu ler方案(3.13)f来模拟单个路径。设(^Yn)n=0,1,。。。,Nbe在时间nh,n=0,1,…,近似于Y的序列,N,根据(3.13)中的模式:^Yh=Yand代表t∈ [nh,(n+1)h]带n=0,1,N- 1然后^Yhn+1=^Yhn+u(^Vhn,^Xhn,nh)h+ρqh^Vhnn+1+ρσV(^Vhn+1)-^Vhn)+ρq^Vhn(^Xhn+1-^Xhn)+(N(N+1)h- Nnh),其中u在(3.12)中定义,以及, . . . , Ndenote i.i.d.标准正常r.v.,独立于驱动链条的噪音(^v,^X)。N(N+1)h的模拟-n这很简单:第一代泊松r.v.Kn+1hof参数λh,如果Kn+1h>0,那么对数振幅log(1+Jn+1k)fork=1,Kn+1模拟。
|