Asymptotische Entwicklungen im Impulsraum für stochastische Filterung

Zusammenfassung

Diese Arbeit beschreibt ein asymptotisches Entwicklungsverfahren für stochastische Filterung, das bedingte Verteilungen in nichtlinearen Situationen näherungsweise berechnet. Es überführt das Problem mithilfe einer Fourier-Transformation in den Impulsraum und nähert nichtlineare Terme durch Polynomfunktionen an. Die resultierende Formulierung ist ein geschlossenes rekursives System gewöhnlicher Differentialgleichungen, die nacheinander gelöst werden können, um Näherungen höherer Ordnung zu berechnen.

Für die numerische Umsetzung schreitet das Verfahren in kurzen Teilzeiträumen voran und aktualisiert bei jedem Schritt die Anfangsbedingungen. Laut Dokument verbessert diese Unterteilung die Leistung in Fällen, in denen die Näherung sonst stark versagt. Als mögliche Anwendungen werden Finanzmodelle mit unbeobachteten Parametern und nichtlineare Prozesse mit maßwertigen Zuständen genannt. Der Auszug enthält jedoch keine konkreten Datensätze, Vergleichswerte oder Handelsergebnisse.

Kernaussagen

• Eine Fourier-Transformation überführt das Filterproblem in den Impulsraum.
• Polynomnäherungen für nichtlineare Terme führen zu rekursiven gewöhnlichen Differentialgleichungen.
• Durch das schrittweise Lösen der Gleichungen lassen sich asymptotische Berechnungen höherer Ordnung durchführen.
• Eine Unterteilung in Teilzeiträume mit aktualisierten Anfangsbedingungen kann die numerische Leistung verbessern, wenn eine Näherung versagt.
• Der Auszug nennt mögliche Anwendungen der Filterung in der Finanzwirtschaft, enthält aber keine Angaben zu Vergleichswerten.

Schlagwörter

# Momentum-Space Approach to Asymptotic Expansion for Stochastic Filtering


# Momentum-Space Approach to Asymptotic Expansion for Stochastic Filtering









This paper develops an asymptotic expansion technique in momentum space for stochastic filtering. It is shown that Fourier transformation combined with a polynomial-function approximation of the nonlinear terms gives a closed recursive system of ordinary differential equations (ODEs) for the relevant conditional distribution. Thanks to the simplicity of the ODE system, higher order calculation can be performed easily. Furthermore, solving ODEs sequentially with small sub-periods with updated initial conditions makes it possible to implement a substepping method for asymptotic expansion in a numerically efficient way. This is found to improve the performance significantly where otherwise the approximation fails badly. The method is expected to provide a useful tool for more realistic financial modeling with unobserved parameters, and also for problems involving nonlinear measure-valued processes.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.