[논문 리뷰] Antithetic multilevel particle system sampling method for McKean-Vlasov SDEs

Łukasz Szpruch, Alvin Tse|arXiv (Cornell University)|2019. 03. 17.

Stochastic processes and financial applications참고 문헌 35인용 수 15

한 줄 요약

이 논문은 맥키넌-플라소프 SDE에서 확률측도의 비선형 기능에 대한 반대 다중수준 몽테카를로(A-MLMC) 추정기인 Antithetic Multilevel Monte Carlo(A-MLMC) 추정기를 소개한다. 이는 동일한 분포를 가진 독립적이고 동일한 분포를 가진 표본들과 상호작용하는 입자 시스템을 활용한다. 미세한 정규성 조건 하에 차원에 독립적인 수렴 속도와 날카운 평균 제곱 오차 한계를 달성하며, 균일한 강한 혼돈 전파와 $L^2$ 반대 차이 추정을 확립한다.

ABSTRACT

Let $μ\in \mathcal{P}_2(\mathbb R^d)$, where $\mathcal{P}_2(\mathbb R^d)$ denotes the space of square integrable probability measures, and consider a Borel-measurable function $Φ:\mathcal P_2(\mathbb R^d) ightarrow \mathbb R $. IIn this paper we develop Antithetic Monte Carlo estimator (A-MLMC) for $Φ(μ)$, which achieves sharp error bound under mild regularity assumptions. The estimator takes as input the empirical laws $μ^N = \frac1N \sum_{i=1}^{N}δ_{X_i}$, where a) $(X_i)_{i=1}^N$ is a sequence of i.i.d samples from $μ$ or b) $(X_i)_{i=1}^N$ is a system of interacting particles (diffusions) corresponding to a McKean-Vlasov stochastic differential equation (McKV-SDE). Each case requires a separate analysis. For a mean-field particle system, we also consider the empirical law induced by its Euler discretisation which gives a fully implementable algorithm. As by-products of our analysis, we establish a dimension-independent rate of uniform extit{strong propagation of chaos}, as well as an $L^2$ estimate of the antithetic difference for i.i.d. random variables corresponding to general functionals defined on the space of probability measures.

연구 동기 및 목표

• 확률측도 $\mu \in \mathcal{P}_2(\mathbb{R}^d)$ 에 대한 비선형 기능 $\Phi(\mu)$ 를 위한 효율적인 몽테카를로 추정기 개발
• 비선형 함수 $\Phi$ 에서의 경험적 측도 추정기 $\Phi(\mu^N)$ 에 내재된 편향을 제거하기 위해, 반대 표본을 활용한 다중수준 프레임워크 구축
• 함수 $\Phi$ 에 대한 미세한 정규성 조건 하에 차원에 독립적인 날카운 평균 제곱 오차 한계 달성
• 상호작용 확산 과정에 대해 균일한 강한 혼돈 전파의 차원에 독립적인 수렴 속도 확립

제안 방법

• 계층적 표본 추출 수준과 반대 변수를 조합하여 분산을 줄이는 반대 다중수준 몽테카를로(A-MLMC) 추정기 제안
• 각 수준 $\ell$ 에서 $N_\ell = 2^\ell$ 인 독립적이고 동일한 분포를 가진 표본 또는 상호작용 입자 시스템으로부터의 경험적 측도 $\mu^{N_{\ell}, \theta, \ell}$ 사용
• 다중수준 계층에서 차이 추정기의 분산을 줄이기 위해 연속 수준 간에 반대 결합 적용
• 확률측도 공간에서 일반적인 기능에 대해 반대 차이의 $L^2$ 한계 유도
• 맥키넌-플라소프 SDE의 오일러 이산화를 적용하여 완전히 실행 가능한 알고리즘 도출
• 말리아빈 미적분학과 기능적 이토 미적분학을 활용하여 입자 시스템의 오차 추정을 도출하며, 조건부 기대값과 PDE 기반 상쇄 효과 포함

실험 결과

연구 질문

• RQ1 반대 표본 추출이 비선형 측도 기능의 분산을 줄이기 위해 다중수준 몽테카를로와 효과적으로 조합될 수 있는가?
• RQ2 맥키넌-플라소프 SDE의 맥락에서 경험적 측도의 비선형 기능에 대한 A-MLMC 추정기의 수렴 속도는 무엇인가?
• RQ3 함수 $\Phi$ 에 대한 미세한 정규성 조건 하에 A-MLMC 추정기는 차원에 독립적인 수렴 속도를 달성하는가?
• RQ4 제안된 추정기 하에서 평균장 입자 시스템의 균일한 강한 혼돈 전파 속도는 무엇인가?
• RQ5 일반적인 기능에 대해 $\mathcal{P}_2(\mathbb{R}^d)$ 공간에서의 독립적이고 동일한 분포를 가진 표본의 반대 차이에 대해 날카운 $L^2$ 한계를 확립할 수 있는가?

주요 결과

• 미세한 정규성 조건 하에 A-MLMC 추정기는 평균 제곱 오차가 $O(N^{-1/2})$ 의 순서를 가지며, 중심극한정리 척도와 일치한다.
• 이 방법은 일반적인 비선형 기능에 대해 상호작용 입자 시스템에 대해 차원에 독립적인 균일한 강한 혼돈 전파 속도를 확립한다.
• 독립적이고 동일한 분포를 가진 표본에 대해 반대 차이의 $L^2$ 한계가 도출되었으며, 이는 다중수준 프레임워크에서의 분산 감소에 핵심적이다.
• 맥키넌-플라소프 SDE의 오일러 이산화로 인해 편향과 분산을 통제할 수 있는 완전히 실행 가능한 알고리즘이 도출된다.
• 분석을 통해 다중수준 구조와 반대 결합이 비선형 기능 설정에도 불구하고 일반 몽테카를로와 비교해 최적의 계산 효율성을 달성함을 확인한다.
• 논문은 A-MLMC 추정기의 타원합이 $\Phi(\mu)$ 의 불편 추정을 제공하며, 반대 결합을 통해 분산이 통제됨을 증명한다.