克里斯蒂安·贝克;E、 渭南;阿努尔夫·詹岑 高维全非线性偏微分方程和二阶倒向随机微分方程的机器学习近似算法。 （英语） Zbl 1442.91116号 非线性科学杂志。 29，第4期，1563-1619（2019）. 摘要：高维偏微分方程（PDE）出现在金融行业的许多模型中，例如衍生定价模型、信贷估值调整模型或投资组合优化模型。这些应用程序中的PDE是高维的，因为维度对应于投资组合中的金融资产数量。此外，由于需要在模型中纳入某些非线性现象，如违约风险、交易成本、波动性不确定性（奈特不确定性）或模型中的交易约束，此类PDE通常是完全非线性的。由于标准近似方法的计算量随维数呈指数增长，因此这种高维完全非线性偏微分方程的求解非常困难。在这项工作中，我们提出了一种求解高维完全非线性二阶偏微分方程的新方法。我们的方法特别适用于从高维非线性期望中进行采样。该方法基于（1）完全非线性二阶偏微分方程和二阶倒向随机微分方程（2BSDEs）之间的联系，（2）偏微分方程与2BSDE问题的合并公式随机梯度下降型优化过程。在Python中使用TensorFlow获得的数值结果说明了该方法在100维Black-Scholes-Barenblatt方程、100维Hamilton-Jacobi-Bellman方程和100维G-Brown运动的非线性期望情况下的效率和准确性。 引用于109文件 MSC公司： 91G60型 数值方法（包括蒙特卡罗方法） 65亿75 涉及偏微分方程的初值和初边值问题的概率方法、粒子方法等 9120国集团 衍生证券（期权定价、套期保值等） 60甲15 随机偏微分方程（随机分析方面） 91年第35季度 与博弈论、经济学、社会和行为科学相关的PDE 关键词：深度学习;二阶倒向随机微分方程;2BSDE公司;数值方法;Black-Scholes-Barenblatt方程;骑士式不确定性;哈密尔顿-雅可比-贝尔曼方程;HJB方程;非线性期望;\（G\）-布朗运动 软件：AlexNet公司;亚当;TensorFlow公司;ImageNet公司;DGM公司 PDF格式BibTeX公司 XML格式引用 \textit｛C.Beck｝等人，非线性科学杂志。29，第4号，1563-1619（2019；Zbl 1442.91116） 全文： 内政部 arXiv公司 参考文献： [1] Amadori，A.L.：期权定价中出现的非线性积分微分演化问题：粘性解方法。不同。积分Equ。16(7), 787-811 (2003) ·Zbl 1052.35083号 [2] Avellaneda，M.，Arnon，L.，Parás，A.：波动不确定市场中衍生证券的定价和对冲。申请。数学。《金融》273-88（1995）·Zbl 1466.91323号 [3] Bally，V.，Pagès，G.：解决多维离散时间最优停止问题的量化算法。伯努利9（6），1003-1049（2003）·Zbl 1042.60021号 [4] Barron，A.R.：S形函数叠加的普遍逼近界。IEEE传输。Inf.理论39（3），930-945（1993）·Zbl 0818.68126号 [5] Bayraktar，E.，Young，V.：通过瞬时夏普比率为不完全股票市场中的期权定价。《财务年鉴》4（4），399-429（2008）·Zbl 1233.91256号 [6] Bayraktar，E.，Milevsky，M.A.，Promislow，S.D.，Young，V.R.：通过瞬时夏普比率评估死亡风险：终身年金的应用。《经济学杂志》。动态。控制33（3），676-691（2009）·Zbl 1170.91406号 [7] Bender，C.，Denk，R.：向后SDE的正向方案。斯托克。过程。申请。117（12），1793-1812（2007）·Zbl 1131.60054号 [8] Bender，C.，Schweizer，N.，Zhuo，J.：BSDE的原对偶算法。数学。金融27（3），866-901（2017）·Zbl 1423.91008号 [9] Bengio，Y.：学习人工智能的深层架构。发现。趋势马赫数。学习。2(1), 1-127 (2009) ·Zbl 1192.68503号 [10] 伯格曼，Y.Z.：不同利率下的期权定价。财务版次。螺柱8（2），475-500（1995） [11] Bismut，J.-M.：最优随机控制中的共轭凸函数。数学杂志。分析。申请。44, 384-404 (1973) ·Zbl 0276.93060号 [12] Bouchard，B.，Elie，R.，Touzi，N.：BSDE的离散时间近似和完全非线性偏微分方程的概率方案。摘自：《高级金融建模》，《计算和应用数学Radon系列》第8卷，Walter de Gruyter，柏林，第91-124页（2009）·兹比尔1179.65004 [13] Bouchard，B.：关于BSDEs的讲义：主要存在性和稳定性结果。CEREMADE-Centre de Recherches en MAthématiques de la DEcision博士论文（2015年） [14] Bouchard，B.，Touzi，N.：倒向随机微分方程的离散时间近似和Monte-Carlo模拟。斯托克。过程。申请。111(2), 175-206 (2004) ·Zbl 1071.60059号 [15] Briand，P.，Labart，C.：通过Wiener混沌扩展模拟BSDEs。附录申请。普罗巴伯。24(3), 1129-1171 (2014) ·Zbl 1311.60077号 [16] Cai，Z.：使用人工神经网络逼近量子多体波函数（2017）。arXiv:1704.05148 [17] Carleo，G.，Troyer，M.：用人工神经网络解决量子多体问题。科学355（6325），602-606（2017）·Zbl 1404.81313号 [18] Chang，D.，Liu，H.，Xiong，J.：一类FBSDE的分支粒子系统近似。普罗巴伯。不确定。数量。风险1，9（2016）。34 ·Zbl 1440.60062号 [19] Chassagneux，J.-F.：BSDE的线性多步方案。SIAM J.数字。分析。52(6), 2815-2836 (2014) ·Zbl 1326.65017号 [20] Chassagneux，J.-F.，Crisan，D.：倒向随机微分方程的Runge-Kutta格式。附录申请。普罗巴伯。24(2), 679-720 (2014) ·Zbl 1303.60045号 [21] Chassagneux，J.-F.，Richou，A.：BSDE欧拉格式的数值稳定性分析。SIAM J.数字。分析。53(2), 1172-1193 (2015) ·Zbl 1311.93088号 [22] Chassagneux，J.-F.，Richou，A.：二次BSDEs的数值模拟。附录申请。普罗巴伯。26(1), 262-304 (2016) ·Zbl 1334.60129号 [23] Cheridito，P.，Soner，H.M.，Touzi，N.，Victoir，N.：二阶倒向随机微分方程和完全非线性抛物偏微分方程。普通纯应用程序。数学。60(7), 1081-1110 (2007) ·Zbl 1121.60062号 [24] Chiaramonte，M.，Kiener，M.：使用神经网络求解微分方程。机器学习项目（2013） [25] Crépey，S.、Gerboud，R.、Grbac，Z.、Ngor，N.：交易对手风险和融资：TVA的四翼。国际J.Theor。申请。财务16（2），1350006（2013）·兹比尔1266.91115 [26] Crisan，D.，Manolarakis，K.：半线性偏微分方程的概率方法。金融应用。M2AN数学。模型。数字。分析。44 44(5), 1107-1133 (2010) ·Zbl 1210.65011号 [27] Crisan，D.，Manolarakis，K.：使用容积法求解倒向随机微分方程：非线性定价的应用。SIAM J.财务。数学。3(1), 534-571 (2012) ·Zbl 1259.65005号 [28] Crisan，D.，Manolarakis，K.：反向SDE的二阶离散化和容积法模拟。附录申请。普罗巴伯。24(2), 652-678 (2014) ·兹比尔1303.60046 [29] Crisan，D.，Manolarakis，K.，Touzi，N.：关于BSDEs的蒙特卡罗模拟：Malliavin权重的改进。斯托克。过程。申请。120(7), 1133-1158 (2010) ·Zbl 1193.65005号 [30] Cybenko，G.：通过sigmoid函数的叠加进行逼近。数学。控制信号系统。2(4), 303-314 (1989) ·Zbl 0679.94019号 [31] Darbon，J.，Osher，S.：克服控制理论和其他领域中出现的某些Hamilton-Jacobi方程维数灾难的算法。Res.数学。科学。3, 19 (2016) ·Zbl 1348.49026号 [32] Dehhan，M.，Nourian，M.、Menhaj，M.B.：用改进的Hopfield有限差分技术数值求解亥姆霍兹方程。数字。方法部分差异。等于。25(3), 637-656 (2009) ·兹比尔1165.65062 [33] Delarue，F.，Menozzi，S.：拟线性偏微分方程的正向-反向随机算法。附录申请。普罗巴伯。16(1), 140-184 (2006) ·Zbl 1097.65011号 [34] Douglas Jr.、J.、Ma，J.、Protter，P.：正向-反向随机微分方程的数值方法。附录申请。普罗巴伯。6(3), 940-968 (1996) ·Zbl 0861.65131号 [35] E、 W.，Hutzenthaler，M.，Jentzen，A.，Kruse，T.：求解高维非线性抛物微分方程的线性缩放算法。（2017a）。arXiv:1607.03295 [36] E、 W.，Hutzenthaler，M.，Jentzen，A.，Kruse，T.：关于高维非线性抛物型偏微分方程和高维非线性倒向随机微分方程的多级Picard数值逼近。（2017b）。arXiv:1708.03223·Zbl 1418.65149号 [37] E、 W.，Han，J.，Jentzen，A.：基于深度学习的高维抛物型偏微分方程和倒向随机微分方程数值方法。Commun公司。数学。《法律总汇》第5（4）、349-380页（2017c）·Zbl 1382.65016号 [38] Ekren，I.，Muhle-Karbe，J.：短期和暂时价格影响较小的投资组合选择（2017年）。arXiv:1705.00672·Zbl 1432.91102号 [39] El Karoui，N.，Peng，S.，Queez，M.C.：金融中的倒向随机微分方程。数学。财务7（1），1-71（1997）·Zbl 0884.90035号 [40] Fahim，A.，Touzi，N.，Warin，X.：完全非线性抛物偏微分方程的概率数值方法。附录申请。普罗巴伯。21(4), 1322-1364 (2011) ·Zbl 1230.65009号 [41] Forsyth，P.A.，Vetzal，K.R.：具有离散观测障碍的不确定波动率/交易成本期权定价模型的隐式解。申请。数字。数学。36(4), 427-445 (2001) ·兹比尔1072.91578 [42] Fu，Y.，Zhao，W.，Zhou，T.：求解多维前向后向SDE的高效谱稀疏网格近似。离散连续。动态。系统。序列号。B 22（9），3439-3458（2017）·Zbl 1368.60071号 [43] Geiss，S.，Ylinen，J.：Wiener空间上的解耦，相关的Besov空间，以及BSDE的应用。(2014). arXiv:1409.5322·Zbl 1494.60002号 [44] Geiss，C.，Labart，C.：通过Wiener混沌展开模拟BSDE的跳跃。斯托克。过程。申请。126(7), 2123-2162 (2016) ·Zbl 1336.60138号 [45] Glrot，X.，Bordes，A.，Bengio，Y.：深度稀疏整流器神经网络。摘自：《第十四届国际人工智能与统计会议论文集》（2011年4月11-13日，美国佛罗里达州劳德代尔堡），G.Gordon、D.Dunson和M.Dudk，Eds.，《机器学习研究论文集》第15卷，PMLR，第315-323页 [46] Gobet，E.，Lemor，J.-P.：使用经验回归方法对BSDEs进行数值模拟：理论与实践。（2008年）。电话：0806.4447 [47] Gobet，E.，Labart，C.：用自适应控制变量求解BSDE。SIAM J.数字。分析。48(1), 257-277 (2010) ·Zbl 1208.60055号 [48] Gobet，E.，Turkedjiev，P.：使用Malliavin权和最小二乘回归的向后随机微分方程的近似。伯努利22（1），530-562（2016a）·Zbl 1339.60094号 [49] Gobet，E.，Turkedjiev，P.：一般条件下离散倒向随机微分方程的线性回归MDP方案。数学。公司。85（299），1359-1391（2016b）·Zbl 1344.60067号 [50] Gobet，E.，Lemor，J.-P.，Warin，X.：求解倒向随机微分方程的基于回归的蒙特卡罗方法。附录申请。普罗巴伯。15(3), 2172-2202 (2005) ·Zbl 1083.60047号 [51] Gobet，E.，López-Salas，J.G.，Turkedjiev，P.，Vázquez，C.：在GPU上具有大规模并行化的双线性偏微分方程和BSDE的分层回归蒙特卡罗方案。SIAM J.科学。计算。38（6），C652-C677（2016）·Zbl 1352.65008号 [52] Grohs，P.，Hornung，F.，Jentzen，A.，von Wursemberger，P.：人工神经网络克服Black-Scholes偏微分方程数值逼近中维数灾难的证明（2018）·Zbl 07679303号 [53] Guo，W.，Zhang，J.，Zhuo，J.：高维完全非线性偏微分方程的单调格式。附录申请。普罗巴伯。25(3), 1540-1580 (2015) ·Zbl 1321.65158号 [54] Guyon，J.，Henry-Labordère，P.：不确定波动率模型：蒙特卡罗方法。J.计算。财务14（3），37-61（2011） [55] Han，J.，Jentzen，A.，E，W.：克服维度诅咒：使用深度学习解决高维偏微分方程（2017）。arXiv：1707.02568 [56] Han，J.，E，W.：随机控制问题的深度学习近似（2016）。arXiv:1611.07422 [57] Henry-Labordère，P.、Oudjane，N.、Tan，X.、Touzi，N.和Warin，X.：半线性偏微分方程的分支扩散表示和蒙特卡罗近似（2016）。arXiv:1603.01727年·Zbl 1467.60067号 [58] Henry-Labordère，P.：交易对手风险评估：标记分支扩散法（2012年）。arXiv:1203.2369 [59] Henry-Labordère，P.，Tan，X.，Touzi，N.：一类BSDE通过分支过程的数值算法。斯托克。过程。申请。124(2), 1112-1140 (2014) ·Zbl 1301.60084号 [60] Hinton，G.，Deng，L.，Yu，D.，Dahl，G.E.，Mohamed，A-r，Jaitly，N.，Senior，A.，Vanhoucke，V.，Nguyen，P.，Sainath，T.N.，Kingsbury，B.：语音识别中声学建模的深层神经网络：四个研究小组的共同观点。IEEE信号处理。Mag.29（6），82-97（2012） [61] Hornik，K.，Stinchcombe，M.，White，H.：多层前馈网络是通用逼近器。神经网络。2(5), 359-366 (1989) ·Zbl 1383.92015年 [62] Huijskens，T.P.，Ruijter，M.J.，Oosterlee，C.W.：耦合正向-反向SDE的高效数值傅里叶方法。J.计算。申请。数学。296, 593-612 (2016) ·Zbl 1336.65010号 [63] Ioffe，S.，Szegedy，C.：批量规范化：通过减少内部协变量的转移来加速深层网络训练。摘自：第32届国际机器学习会议（ICML）会议记录（2015） [64] Jentzen，A.、Kuckuck，B.、Neufeld，A.、von Wursemberger，P.：随机梯度下降优化算法的强误差分析（2018）。arXiv:1801.09324·Zbl 1460.65071号 [65] Karatzas，I.，Shreve，S.E.：布朗运动与随机微积分，第二版，《数学研究生教材》第113卷。施普林格，纽约（1991）·兹标0734.60060 [66] Khoo，Y.，Lu，J.，Ying，L.：用人工神经网络解决参数PDE问题（2017）。arXiv公司：1707.03351·Zbl 1501.65154号 [67] Kingma，D.，Ba，J.：亚当：一种随机优化方法。摘自：国际学习代表大会（ICLR）会议记录（2015年） [68] Kloeden，P.E.，Platen，E.：随机微分方程的数值解，《数学应用》第23卷（纽约）。柏林施普林格出版社（1992年）·Zbl 0752.60043号 [69] Kong，T.，Zhao，W.，Zhou，T.：完全非线性抛物偏微分方程的概率高阶数值格式。Commun公司。计算。物理学。18(5), 1482-1503 (2015) ·Zbl 1388.65016号 [70] Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的Imagenet分类。高级神经信息处理。系统。25, 1097-1105 (2012) [71] Labart，C.，Lelong，J.：求解BSDE的并行算法。蒙特卡罗方法应用。19(1), 11-39 (2013) ·Zbl 1263.65005号 [72] Lagaris，I.E.，Likas，A.，Fotiadis，D.I.：用于求解常微分方程和偏微分方程的人工神经网络。IEEE传输。神经网络。9(5), 987-1000 (1998) [73] Laurent，J.-P.，Amzelek，P.，Bonnaud，J.：抵押衍生工具合同估价概述。Rev.Derive.Res.17（3），261-286（2014）·Zbl 1300.91050号 [74] LeCun，Y.、Bottou，L.、Bengio，Y.和Haffner，P.：基于梯度的学习应用于文档识别。程序。IEEE 86（11），2278-2324（1998） [75] LeCun，Y.，Bottou，L.，Orr，G.B.，Müller，K.R.：高效BackProp，第9-50页。施普林格，柏林，海德堡（1998） [76] LeCun，Y.，Bengio，Y.，Hinton，G.：深度学习。《自然》521436-444（2015） [77] Lee，H.，Kang，I.S.：求解微分方程的神经算法。J.计算。物理学。91(1), 110-131 (1990) ·Zbl 0717.65062号 [78] Leland，H.E.：期权定价和复制与交易成本。《金融杂志》40（5），1283-1301（1985） [79] Lemor，J.-P.，Gobet，E.，Warin，X.：求解广义倒向随机微分方程的经验回归方法的收敛速度。伯努利12（5），889-916（2006）·Zbl 1136.60351号 [80] Lionnet，A.，dos Reis，G.，Szpruch，L.：具有多项式增长驱动和反应扩散PDE的FBSDE的时间离散化。附录申请。普罗巴伯。25(5), 2563-2625 (2015) ·Zbl 1342.65011号 [81] Ma，J.，Yong，J.：前向-后向随机微分方程及其应用，《数学讲义》第1702卷。柏林施普林格（1999）·Zbl 0927.60004号 [82] Ma，J.，Protter，P.，Yong，J.M.：显式求解正向随机微分方程——一个四步方案。普罗巴伯。理论关联。字段98（3），339-359（1994）·Zbl 0794.60056号 [83] Ma，J.、Protter，P.、San Martín，J.和Torres，S.：倒向随机微分方程的数值方法。附录申请。普罗巴伯。12(1), 302-316 (2002) ·Zbl 1017.60074号 [84] Maruyama，G.：连续马尔可夫过程和随机方程。伦德。循环。马特·巴勒莫（2）448-90（1955）·Zbl 0053.40901号 [85] McKean，H.P.：布朗运动在Kolmogorov Petrovskii Piskunov方程中的应用。Commun公司。纯应用程序。数学。28(3), 323-331 (1975) ·Zbl 0316.35053号 [86] Meade Jr.，A.J.，Fernández，A.A.：线性常微分方程的前馈神经网络数值解。数学。计算。模型。19(12), 1-25 (1994) ·Zbl 0807.65079号 [87] Mehrkanoon，S.，Suykens，J.A.：使用LS-SVM学习偏微分方程的解。神经计算159，105-116（2015） [88] Milstein，G.N.：随机微分方程的近似积分。特奥。维罗贾诺斯特。i Primenen公司。19, 583-588 (1974) ·Zbl 0314.60039号 [89] Milstein，G.N.，Tretyakov，M.V.：前向-后向随机微分方程的数值算法。SIAM J.科学。计算。28(2), 561-582 (2006) ·Zbl 1114.60054号 [90] Milstein，G.N.，Tretyakov，M.V.：正倒向随机微分方程和相关拟线性抛物方程的离散化。IMA J.数字。分析。27(1), 24-44 (2007) ·Zbl 1109.65009号 [91] Moreau，L.、Muhle-Karbe，J.、Soner，H.M.：价格影响较小的交易。数学。财务27（2），350-400（2017） [92] Øksendal，B.：随机微分方程。介绍应用程序。Universitext公司。柏林施普林格（1985）·Zbl 0567.60055号 [93] Pardoux，E.，Peng，S.：倒向随机微分方程和拟线性抛物型偏微分方程。在：随机偏微分方程及其应用（夏洛特，北卡罗来纳州，1991年），控制和信息科学讲稿第176卷，第200-217页。柏林施普林格出版社（1992年）·Zbl 0766.60079号 [94] 爱沙尼亚州帕杜克斯。，Peng，S.：倒向随机微分方程的自适应解。系统。控制信函。14(1), 55-61 (1990) ·Zbl 0692.93064号 [95] Pardoux，E.，Tang，S.：前向随机微分方程和拟线性抛物偏微分方程。普罗巴伯。理论关联。字段114（2），123-150（1999）·Zbl 0943.60057号 [96] Peng，\[S.:G\]G-期望，\[G\]C-布朗运动及其相关的Itótype随机演算。摘自：《随机分析与应用》，阿贝尔研讨会第2卷，第541-567页。施普林格，柏林（2007）·Zbl 1131.60057号 [97] Peng，S.：《不确定性下的非线性期望和随机演算》（2010年）。arXiv:1002.4546 [98] Peng，S.：非线性预期、非线性评估和风险度量。摘自：《金融学中的随机方法》，数学课堂讲稿第1856卷，第165-253页。施普林格，柏林（2004）·Zbl 1127.91032号 [99] Peng，S.：拟线性抛物型偏微分方程组的概率解释。斯托克。斯托克。报告37（1-2），61-74（1991）·Zbl 0739.60060号 [100] Peng，S.：非线性期望和非线性马尔可夫链。下巴。安。数学。序列号。B 26（2），159-184（2005）·兹比尔1077.60045 [101] Petersen，P.，Voigtlaender，F.：使用深度相关神经网络对分段光滑函数进行最佳逼近（2017）。arXiv:1709.05289·Zbl 1434.68516号 [102] Pham，H.：完全非线性偏微分方程的Feynman-Kac表示及其应用。数学学报。越南。40(2), 255-269 (2015) ·Zbl 1322.60133号 [103] Possamai，D.，Mete Soner，H.，Touzi，N.：小交易成本的均匀化和渐近性：多维案例。Commun公司。部分差异。等于。40(11), 2005-2046 (2015) ·Zbl 1366.91144号 [104] Ramuhalli，P.，Udpa，L.，Udpa，S.S.：求解微分方程的有限元神经网络。IEEE传输。神经网络。16(6), 1381-1392 (2005) [105] Rasulov，A.，Raimova，G.，Mascagni，M.：非线性抛物方程Cauchy问题的蒙特卡罗解。数学。计算。模拟80（6），1118-1123（2010）·Zbl 1198.65023号 [106] Ruder，S.：梯度下降优化算法概述（2016）。arXiv公司：1609.04747 [107] Ruijter，M.J.，Oosterlee，C.W.：一种傅里叶余弦方法，用于有效计算BSDE的解。SIAM J.科学。计算。37（2），A859-A889（2015）·Zbl 1314.65011号 [108] Ruijter，M.J.，Oosterlee，C.W.：金融中反向SDE的数值傅里叶方法和二阶泰勒格式。申请。数字。数学。103, 1-26 (2016) ·Zbl 1386.91166号 [109] Rumelhart，D.E.，Hinton，G.E.，Williams，R.J.：通过错误传播学习内部表征。加州大学圣迭戈拉霍亚分校认知科学研究所技术报告（1985年） [110] Ruszczynski，A.，Yao，J.：反向随机微分方程的对偶方法及其在风险评估中的应用（2017）。arXiv公司：1701.06234 [111] Silver，D.，Huang，A.，Maddison，C.J.，Guez，A.，Sifre，L.，Van Den Driessche，G.，Schrittwieser，J.，Antonoglou，I.，Panneershelvam，V.，Lanctot，M.等人：掌握深度神经网络和树搜索的围棋游戏。《自然》529（7587），484-489（2016） [112] Sirignano，J.，Spiliopoulos，K.：DGM：解偏微分方程的深度学习算法（2017）。arXiv:1708.07469·Zbl 1416.65394号 [113] Skorohod，A.V.：分支扩散过程。特奥。维罗贾诺斯特。i Primenen公司。9, 492-497 (1964) ·Zbl 0264.60058号 [114] Tadmor，E.：非线性偏微分方程数值方法综述。牛市。美国数学。Soc.（N.S.）49（4），507-554（2012）·Zbl 1258.65073号 [115] Thomée，V.：抛物线问题的Galerkin有限元方法，《计算数学中的Springer级数》第25卷。柏林施普林格（1997）·Zbl 0884.65097号 [116] Turkedjiev，P.：局部条件下Markovian倒向随机微分方程离散时间近似的两种算法。电子。J.概率。20(50), 49 (2015) ·Zbl 1322.60139号 [117] von Petersdorff，T.，Schwab，C.：高维抛物方程的数值解。M2AN数学。模型。数字。分析。38(1), 93-127 (2004) ·Zbl 1083.65095号 [118] Warin，X.：非线性偏微分方程分支方法的变化（2017）。arXiv：1701.07660·Zbl 07008421号 [119] Watanabe，S.：关于具有吸收边界的布朗粒子的分支过程。数学杂志。京都大学4，385-398（1965）·Zbl 0134.34401号 [120] Windcliff，H.，Wang，J.，Forsyth，P.A.，Vetzal，K.R.：关联资产对冲：非线性定价PDE.J.计算。申请。数学。200(1), 86-115 (2007) ·Zbl 1152.91033号 [121] Zhang，J.：BSDEs的数值格式。附录申请。普罗巴伯。14(1), 459-488 (2004) ·Zbl 1056.60067号 [122] Zhang，G.，Gunzburger，M.，Zhao，W.：多维倒向随机微分方程的稀疏网格方法。J.计算。数学。31（3），221-248（2013）·Zbl 1289.65011号 [123] Zhao，W.，Zhou，T.，Kong，T.：二阶FBSDE的高阶数值格式及其在随机最优控制中的应用。Commun公司。计算。物理学。21(3), 808-834 (2017) ·Zbl 1499.65027号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。