[論文レビュー] Antithetic variates in higher dimensions

Sebastián del Baño Rollin, Joan-Andreu Lázaro-Camí|ArXiv.org|Feb 24, 2009

Matrix Theory and Algorithms参考文献 19被引用数 3

ひとこと要約

本稿は、標準正規分布ベクトルの直交変換を最適化することで、高次元モンテカルロシミュレーションにおける分散低減のための新規手法を提案する。問題を直交行列 A ∈ O(N) に対する f(ξ) と f(Aξ) の共分散を最小化する問題として定式化し、反復的アニーリングアルゴリズムを構築することで、動的かつ逐次的に最適な反対称変換行列を推定する。この手法により、高次元における複雑なデリバティブのシミュレーション効率が顕著に向上する。

ABSTRACT

We introduce the concept of multidimensional antithetic as the absolute minimum of the covariance defined on the orthogonal group by $A\mapsto Cov(f(ξ),f(Aξ))$ where $ξ$ is a standard $N$-dimensional normal random variable and $f:\mathbb{R}^{N} o\mathbb{R}$ is an almost everywhere differentiable function. The antithetic matrix is designed to optimise the calculation of $E[f(ξ)]$ in a Monte Carlo simulation. We present an iterative annealing algorithm that dynamically incorporates the estimation of the antithetic matrix within the Monte Carlo calculation.

研究の動機と目的

• 高次元金融デリバティブ価格設定における標準モンテカルロ法の計算非効率性を解消すること。
• 高次元におけるヒューリスティックな反対称変数法の限界を克服し、最適な直交変換を見つけること。
• シミュレーション中に最適な反対称行列を動的かつ適応的に推定することで分散を最小化する、動的で柔軟なアルゴリズムを開発すること。
• 反対称変数を1次元の対称性の範囲を越えて、全直交群 O(N) にまで数学的に厳密に拡張するフレームワークを提供すること。
• 高次元設定下で、バスケットオプション、クリケット・オプション、ヒマラヤ・オプションなどの複雑なデリバティブの、より高速かつ高精度な価格設定を可能にすること。

提案手法

• 反対称変数問題を、ξ ∼ N(0, Id_N) であるとき、A ∈ O(N) に対する共分散関数 Cov(f(ξ), f(Aξ)) を最小化する問題として定式化する。
• O(N) のコンact性に起因する適切な定式化のため、最小化問題を E[f(ξ)f(Aξ)] の最小化に再定式化する。
• 直交群 O(N) への最適化空間の有効なパrameter化のため、リー代数 so(N) から O(N) への指数写像を用いる。
• 局所的最小値に陥らないように確率的摂動を施す反復的アニーリングアルゴリズムを設計し、グローバル最小値に収束させる。
• 反対称行列の推定をモンテカルロループ内に統合し、オンラインでの適合と分散低減を可能にする。
• 模擬アニーリングとマルティングルの理論的収束結果を活用し、アルゴリズムが最適 A* にほとんど確実に収束することを裏付ける。

実験結果

リサーチクエスチョン

• RQ1 与えられたペイオフ関数 f に対して、f(ξ) と f(Aξ) の共分散を最小化する最適な直交変換 A ∈ O(N) は何か？
• RQ2 関数 f の事前知識がなくとも、モンテカルロシミュレーション中に最適な反対称行列をどのように動的かつ逐次的に推定できるか？
• RQ3 反復的アニーリングアルゴリズムは、O(N) 上の共分散関数のグローバル最小値にほとんど確実に収束するか？
• RQ4 本手法は、高次元設定下で、標準的な反対称変数法や粗いモンテカルロ法と比較して、どれほど分散を低減するか？
• RQ5 非独立同分布および相関のあるモンテカルロサンプルの文脈において、アルゴリズムの収束性と安定性について、どのような理論的保証が得られるか？

主な発見

• 直交群 O(N) のコンパクト性と共分散関数の連続性により、最適な反対称行列 A* が存在し、達成可能である。
• Cov(f(ξ), f(Aξ)) の最小化は、E[f(ξ)f(Aξ)] の最小化と同値であり、適切に定式化されており、グローバル最小値が存在する。
• 提案された反復的アニーリングアルゴリズムにより、推定された反対称行列が真の最適 A* にほとんど確実に収束することが保証される。
• アルゴリズムは、シミュレーション中に反対称変換を更新することで、動的かつ継続的な分散低減を実現し、収束速度を向上させる。
• マルティングル極限定理と経験平均の確率的収束に基づく理論的収束性が裏付けられており、頑健性が保証される。
• 本手法は、恣意的な符号反転ヒューリスティクスを凌駕する、体系的かつ数学的に根拠のある反対称変数の任意次元への拡張を可能にする。