纯跳过程驱动的随机微分方程数值解算法

要求纯跳过程驱动的随机微分方程的数值解，可以使用 Euler-Maruyama 方法或 Milstein 方法等随机微分方程数值解算法。

以 Euler-Maruyama 方法为例，考虑如下纯跳过程驱动的随机微分方程：

$$\begin{aligned}\dX(t) &= f(X(t))dt + g(X(t))dW(t) \X(0) &= X_0\end{aligned}$$

其中，$X(t)$ 是未知的随机过程，$f(X(t))$ 和 $g(X(t))$ 是已知的函数，$W(t)$ 是标准布朗运动（Wiener 过程），$X_0$ 是初始条件。

Euler-Maruyama 方法的数值迭代格式为：

$$\X_{n+1} = X_n + f(X_n)\Delta t + g(X_n)\Delta W_n$$

其中，$X_n$ 是在时间点 $t_n$ 的数值解，$\Delta t$ 是时间步长，$\Delta W_n$ 是标准布朗运动在时间点 $t_n$ 到 $t_{n+1}$ 的增量，可用正态分布随机数生成。

具体步骤如下：

1. 设定初始条件 $X_0$ 和时间步长 $\Delta t$。
2. 对于每个时间步长 $n=0,1,2,\ldots,N$，其中 $N$ 是总的时间步数。
   • 生成服从正态分布 $N(0,1)$ 的随机数 $\Delta W_n$。
   • 计算 $f(X_n)$ 和 $g(X_n)$。
   • 计算数值解 $X_{n+1} = X_n + f(X_n)\Delta t + g(X_n)\Delta W_n$。
3. 输出数值解 $X_{n+1}$。

需要注意的是，由于随机微分方程具有随机性质，不同的随机数序列可能导致不同的数值解。为了获得更准确的数值解，可以使用较小的时间步长和较大的总步数。