nach oben

BIT Numerical Mathematics

Erschienen in:

26.04.2016

Efficient weak second-order stochastic Runge–Kutta methods for Itô stochastic differential equations

verfasst von: Xiao Tang, Aiguo Xiao

Erschienen in: BIT Numerical Mathematics | Ausgabe 1/2017

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper, new weak second-order stochastic Runge–Kutta (SRK) methods for Itô stochastic differential equations (SDEs) with an m-dimensional Wiener process are introduced. Two new explicit SRK methods with weak order 2.0 are proposed. As the main innovation, the new explicit SRK methods have two advantages. First, only three evaluations of each diffusion coefficient are needed in per step. Second, the number of necessary random variables which have to be simulated is only \(m+2\) for each step. Compared to well-known explicit SRK methods, these good properties can be used to reduce the computational effort. Our methods are compared with other well-known explicit weak second-order SRK methods in numerical experiments. And the numerical results show that the computational efficiency of our methods is better than other methods.

Vorheriger Artikel Parameter-uniform numerical methods for general nonlinear singularly perturbed reaction diffusion problems having a stable reduced solution

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Abdulle, A., Vilmart, G., Zygalakis, K.: Mean-square A-stable diagonally drift-implicit integrators of weak second order for stiff Itô stochastic differential equations. SIAM J. Sci. Comput. 53(4), 827–840 (2013)MATH

Abdulle, A., Vilmart, G., Zygalakis, K.: Weak second order explicit stabilized methods for stiff stochastic differential equations. SIAM J. Sci. Comput. 35(4), 1792–1814 (2013)MathSciNetCrossRefMATH

Burrage, K., Burrage, P.M.: High strong order explicit Runge–Kutta methods for stochastic ordinary differential equations. Appl. Numer. Math. 22, 81–101 (1996)MathSciNetCrossRefMATH

Burrage, K., Burrage, P.M.: Order conditions of stochastic Runge–Kutta methods by B-series. SIAM J. Numer. Anal. 38(5), 1626–1646 (2000)MathSciNetCrossRefMATH

Buckwar, E., Rößler, A., Winkler, R.: Stochastic Runge–Kutta methods for Itô SODEs with small noise. SIAM J. Sci. Comput. 32(4), 1789–1808 (2010)MathSciNetCrossRefMATH

Debrabant, K., Kværnø, A.: B-series analysis of stochastic Runge–Kutta methods that use an iterative scheme to compute their internal stage values. SIAM J. Numer. Anal. 47(1), 181–203 (2008)MathSciNetCrossRefMATH

Debrabant, K., Rößler, A.: Classification of stochastic Runge–Kutta methods for the weak approximation of stochastic differential equations. Math. Comput. Simul. 77(4), 408–420 (2008)MathSciNetCrossRefMATH

Debrabant, K., Rößler, A.: Families of efficient second order Runge–Kutta methods for the weak approximation of Itô stochastic differential equations. Appl. Numer. Math. 59, 582–594 (2009)MathSciNetCrossRefMATH

Kloeden, P.E., Platen, E.: Numerical Solution of Stochastic Differential Equations. Springer, Berlin (1992)CrossRefMATH

10.

Kloeden, P.E., Platen, E., Hofmann, N.: Extrapolation methods for the weak approximation of Itô diffusions. SIAM J. Numer. Anal. 32(5), 1519–1534 (1995)MathSciNetCrossRefMATH

11.

Komori, Y.: Weak second-order stochastic Runge–Kutta methods for non-commutative stochastic differential equations. J. Comput. Appl. Math. 206(1), 158–173 (2007)MathSciNetCrossRefMATH

12.

Komori, Y., Burrage, K.: Supplement: Efficient weak second order stochastic Runge–Kutta methods for non-commutative Stratonovich stochastic differential equations. J. Comput. Appl. Math. 235(17), 5326–5329 (2011)MathSciNetCrossRefMATH

13.

Komori, Y., Buckwar, E.: Stochastic Runge–Kutta methods with deterministic high order for ordinary differential equation. BIT Numer. Math. 53(3), 617–639 (2013)MathSciNetCrossRefMATH

14.

Milstein, G.N.: Numerical Integration of Stochastic Differential Equations. Kluwer, Dordrecht (1995)CrossRefMATH

15.

Ninomiya, S., Victoir, N.: Weak approximation of stochastic differential equations and application to derivative pricing. Appl. Math. Financ. 15(2), 107–121 (2008)MathSciNetCrossRefMATH

16.

Rößler, A.: Stochastic Taylor expansions for the expectation of functionals of diffusion processes. Stoch. Anal. Appl. 22(6), 1553–1576 (2004)MathSciNetCrossRef

17.

Rößler, A.: Rooted tree analysis for order conditions of stochastic Runge–Kutta methods for the weak approximation of stochastic differential equations. Stoch. Anal. Appl. 24(1), 97–134 (2006)MathSciNetCrossRefMATH

18.

Rößler, A.: Second order Runge–Kutta methods for Stratonovich stochastic differential equations. BIT 47(3), 657–680 (2007)MathSciNetCrossRefMATH

19.

Rößler, A.: Second order Runge–Kutta methods for Itô stochastic differential equations. SIAM J. Numer. Anal. 47(3), 1713–1738 (2009)MathSciNetCrossRefMATH

20.

Rößler, A.: Strong and weak approximation methods for stochastic differential equations-some recent developments. In: Recent Developments in Applied Probability and Statistics. Physica-Verlag HD, pp. 127–153 (2010)

21.

Tocino, A., Vigo-Aguiar, J.: Weak second order conditions for stochastic Runge–Kutta methods. SIAM J. Sci. Comput. 24(2), 507–523 (2002)MathSciNetCrossRefMATH

Titel: Efficient weak second-order stochastic Runge–Kutta methods for Itô stochastic differential equations
verfasst von: Xiao Tang
Aiguo Xiao
Publikationsdatum: 26.04.2016
Verlag: Springer Netherlands
Erschienen in: BIT Numerical Mathematics / Ausgabe 1/2017
Print ISSN: 0006-3835
Elektronische ISSN: 1572-9125
DOI: https://doi.org/10.1007/s10543-016-0618-9

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 1/2017

Locally Linearized methods for the simulation of stochastic oscillators driven by random forces

Preface

Generalized Gauss–Radau and Gauss–Lobatto formulas with Jacobi weight functions

On estimating the separation of two periodic matrix sequences

Practical splitting methods for the adaptive integration of nonlinear evolution equations. Part I: Construction of optimized schemes and pairs of schemes

Superconvergent Nyström method for Urysohn integral equations