适应θ方案及其对 backward 随机微分方程的误差估计
Adapted $θ$-Scheme and Its Error Estimates for Backward Stochastic Differential Equations
Kim Il Sung University（金日成大学）
AI总结：
本文提出一种高阶数值方案用于 backward 随机微分方程，通过精心选择θ值减少截断误差，并通过数值实验验证了方案的收敛阶数。
摘要：
在本文中，我们提出了一种新的高阶数值方案用于 backward 随机微分方程（BSDEs）。与传统θ方案不同，我们根据积分函数的特点，对每个子区间精心选择θ值以减少截断误差。我们给出了该非线性方案的误差估计，并通过一个典型数值实验验证了该方案的阶数。
英文摘要：
In this paper we propose a new kind of high order numerical scheme for backward stochastic differential equations(BSDEs). Unlike the traditional $θ$-scheme, we reduce truncation errors by taking $θ$ carefully for every subinterval according to the characteristics of integrands. We give error estimates of this nonlinear scheme and verify the order of scheme through a typical numerical experiment.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
