基于高性能计算的金融风险计算方法

该数据集是算法理论研究，针对正倒向随机微分方程、随机偏微分方程和随机LQ问题展开，在数学理论和实际应用中都具有重要意义。正倒向随机微分方程数值算法：为了获得求解正向倒向随机微分方程的高阶格式，课题组采用 Zhao 等人（SIAM J. Sci. Comput., 36(4): A1731-A1751, 2014）中的高阶多步法，结合组合技术，提出了一种新的多步格式。SKdV的间断有限元算法：课题组开发了一种超弱不连续 Galerkin (DG) 方法来求解由乘性时间噪声驱动的广义随机科特韦格-德弗里斯 (KdV) 方程，该方法对于一般非线性方程具有稳定性。LQ问题的Q-learning算法：课题组针对带有关于时间变量独立同分布的随机系数的无穷时域上离散时间LQ系统提出了一种基于Q-learning的迭代算法。