[논문 리뷰] A strongly convergent numerical scheme from EnKF continuum analysis

Dirk Blömker, Claudia Schillings외 1명|arXiv (Cornell University)|2017. 03. 20.

Stochastic processes and financial applications인용 수 2

한 줄 요약

이 논문은 엔semble 칼만 역행렬을 모델링하는 스칼라 확률미분방정식(SDE)에 대해 비국소적으로 리프시츠 조건을 만족하지 않는 드리프트 및 확산 계수를 고려할 때조차도 강한 수렴성을 보장하는 새로운 약한 타임드 수치적 방법을 제안한다. 국소화 기법과 부트스트랩 논증을 통한 모멘트 경계를 조합함으로써, 전체 엔셈블 칼만 필터 프레임워크의 핵심 역학을 반영하는 단순화된 모델에서 수렴성을 입증한다.

ABSTRACT

The Ensemble Kalman methodology in an inverse problems setting can be viewed as an iterative scheme, which is a weakly tamed discretization scheme for a certain stochastic differential equation (SDE). Assuming a suitable approximation result, dynamical properties of the SDE can be rigorously pulled back via the discrete scheme to the original Ensemble Kalman inversion. The results of this paper make a step towards closing the gap of the missing approximation result by proving a strong convergence result in a simplified model of a scalar stochastic differential equation. We focus here on a toy model with similar properties than the one arising in the context of Ensemble Kalman filter. The proposed model can be interpreted as a single particle filter for a linear map and thus forms the basis for further analysis. The difficulty in the analysis arises from the formally derived limiting SDE with non-globally Lipschitz continuous nonlinearities both in the drift and in the diffusion. Here the standard Euler-Maruyama scheme might fail to provide a strongly convergent numerical scheme and taming is necessary. In contrast to the strong taming usually used, the method presented here provides a weaker form of taming. We present a strong convergence analysis by first proving convergence on a domain of high probability by using a cut-off or localisation, which then leads, combined with bounds on moments for both the SDE and the numerical scheme, by a bootstrapping argument to strong convergence.

연구 동기 및 목표

• 메서드에서 유도된 단순화된 SDE 모델을 분석하여 엔셈블 칼만 역행렬의 이론적 근거를 보완하고자 한다.
• 드리프트 및 확산 계수가 비국소적으로 리프시츠 조건을 만족하지 않을 경우 수치적 방법의 강한 수렴 문제를 다루고자 한다.
• 이러한 SDE에 대해 일반적으로 필요로 하는 강한 타임드 조건을 피하는 약한 타임드 이산화 방법을 개발하고자 한다.
• 부트스트랩 논증을 통해 고확률 영역 제어와 모멘트 경계를 조합하여 엄밀한 수렴성을 확립하고자 한다.

제안 방법

• 엔셈블 칼만 역행렬을 약한 타임드 이산화 방법으로 해석하는 SDE로 공식화한다.
• 전체 역행문제의 핵심 비선형성을 유지하는 단순화된 스칼라 SDE 모델을 분석한다.
• 해의 값을 고확률 영역에서 제어하기 위해 국소화(컷오프) 기법을 적용한다.
• SDE와 수치적 방법의 양측에 대해 모멘트 경계를 유도하여 부트스트랩 논증을 가능하게 한다.
• 국소화된 영역에서의 고확률 수렴을 이용해 전반적인 강한 수렴을 유도한다.
• 확률적 국소화와 모멘트 추정을 조합하여 강한 타임드를 피하는 강한 수렴을 확립한다.

실험 결과

연구 질문

• RQ1 엔셈블 칼만 역행렬에서 유도된 스칼라 SDE에 대한 수치적 방법이 비국소적으로 리프시츠 조건을 만족하지 않는 드리프트 및 확산 계수를 가질 때조차도 강한 수렴성을 달성할 수 있는가?
• RQ2 기존의 강한 타임드 기법보다 더 약한 형태의 타임드를 사용하여 강한 수렴을 달성할 수 있는가?
• RQ3 어떻게 국소화와 모멘트 경계를 조합하여 특이한 비선형성을 가진 상황에서 강한 수렴을 입증할 수 있는가?
• RQ4 한계 SDE의 역학적 성질이 수렴 분석을 통해 이산화 방법으로 엄밀하게 전달될 수 있는가?
• RQ5 확률적 국소화는 이러한 SDE에 대해 표준 오일러-마르야모 방법이 실패하는 문제를 어떻게 해결하는가?

주요 결과

• 제안된 수치적 방법은 비국소적으로 리프시츠 조건을 만족하지 않는 드리프트 및 확산 계수를 가진 스칼라 SDE에 대해 강한 수렴성을 달성하며, 기존 오일러-마르야모 방법의 핵심 한계를 극복한다.
• 이 방법은 일반적으로 이러한 설정에서 수렴을 보장하기 위해 요구되는 강한 타임드 조건을 피하는 약한 타임드 이산화 방법을 적용한다.
• 수렴은 해의 값을 고확률 영역에서 제어하는 국소화 기법을 통해 확립된다.
• SDE와 수치적 방법의 양측에 대해 유도된 모멘트 경계는 부트스트랩 논증에 사용되어 국소 수렴을 전역 강한 수렴으로 확장한다.
• 분석은 단순화된 모델에서의 수렴 결과를 전체 엔셈블 칼만 역행렬 프레임워크로 확장하는 이론적 기반을 제공한다.
• 확률적 국소화와 모멘트 제어를 조합함으로써 표준 방법이 실패하는 상황에서도 강한 수렴이 달성될 수 있음을 보여준다.