[논문 리뷰] Exact simulation of the sample paths of a diffusion with a finite entrance boundary

Paul A. Jenkins|arXiv (Cornell University)|2013. 11. 22.

Stochastic processes and statistical mechanics참고 문헌 4인용 수 9

한 줄 요약

이 논문은 유한한 진입 경계를 가진 확산 과정에 대한 정확한 시뮬레이션 알고리즘을 확장하여, 제안 후보로 브라운 운동 대신 베세ล 과정을 사용함으로써 성능을 향상시킨다. 이 방법은 특히 인구 성장 모형과 베셀형 확산 모형에서 높은 효율성을 달성하며, 전통적인 브라운 운동 기반 접근법에 비해 거부율을 크게 낮춘다.

ABSTRACT

Diffusion processes arise in many fields, and so simulating the path of a diffusion is an important problem. It is usually necessary to make some sort of approximation via model-discretization, but a recently introduced class of algorithms, known as the exact algorithm and based on retrospective rejection sampling ideas, obviate the need for such discretization. In this paper I extend the exact algorithm to apply to a class of diffusions with a finite entrance boundary. The key innovation is that for these models the Bessel process is a more suitable candidate process than the more usually chosen Brownian motion. The algorithm is illustrated by an application to a general diffusion model of population growth, where it simulates paths efficiently, while previous algorithms are impracticable.

연구 동기 및 목표

• 표준 브라운 운동 기반 방법이 고도의 거부율을 야기하는 유한한 진입 경계를 가진 일차원 확산 과정에 대한 정확한 시뮬레이션 알고리즘을 개발하는 것.
• 목표 확산의 경계 행동과 더 잘 일치하는 경계 행동을 가지는 베셀 과정을 후보 과정으로 사용하여 알고리즘의 효율성을 향상시키는 것.
• 기존의 정확한 알고리즘 프레임워크를 조건부 확산 및 진입 경계를 가진 일반 인구 성장 모형을 포함한 더 넓은 범주로 확장하는 것.
• 베셀 과정을 사용하여 최대값과 다리 경로의 알려진 분포를 활용해 실용적인 기각 샘플링 메커니즘을 제공하는 것.
• 이 방법을 두 개의 유한한 경계로 일반화하고, 진입 경계를 초월한 다른 경계 유형으로 확장할 수 있는지 탐색하는 것.

제안 방법

• 베소스 등(2006)의 후행 기각 샘플링 프레임워크를 변형하여 표준 브라운 운동 제안자 대신 적절한 차수의 베셀 과정을 사용하는 것.
• 원래의 확산을 단위 확산 계수 과정으로 변환하기 위해 라멘티 변환을 사용하여 다리 기반 샘플링 기법의 적용을 가능하게 하는 것.
• 베셀 다리의 알려진 분포적 성질—특히 최대값의 분포와 그가 도달되는 시간—을 활용하여 수용 확률을 계산하는 것.
• 베셀 과정을 기준 측도로 사용하여 기각-수용 메커니즘의 라돈-니코디움 미분을 유도함으로써 이산화 없이 정확한 샘플링을 보장하는 것.
• 경계 행동과 경로 제약 조건을 고려한 일반화된 수용 확률 공식을 도출하며, 베셀 다리의 극값에 대해 알려진 급수 형태를 통해 명시적인 계산을 수행하는 것.
• 일반 인구 성장 모형과 광의의 베셀 과정에 대해 알고리즘을 적용하여, 기존의 브라운 운동 기반 대비 실용적인 효율성 향상을 입증하는 것.

실험 결과

연구 질문

• RQ1 브라운 운동 기반 제안자가 경계 근처에서 경로 일치가 열악하여 실패하는 경우, 정확한 시뮬레이션 알고리즘을 유한한 진입 경계를 가진 확산 과정으로 확장할 수 있는가?
• RQ2 브라운 운동 대신 베셀 과정을 후보 과정으로 사용할 경우, 이러한 확산 과정에서 기각율이 상당히 감소하는가?
• RQ3 베셀 과정이 정확한 시뮬레이션 프레임워크에서 유효하고 효율적인 제안자로 기능할 수 있는 수학적 및 계산 조건는 무엇인가?
• RQ4 이 방법을 두 개의 유한한 진입 경계를 가진 확산 과정으로 일반화할 수 있으며, 기존 방법과 비교해 어떻게 성능을 발휘하는가?
• RQ5 반사 경계나 퇴출 경계와 같은 다른 경계 유형으로의 방법 확장에 있어 이론적 및 실용적 한계는 무엇인가?

주요 결과

• 특히 영역 근처에서 (2ν+1)/(2x) 형태의 특이성을 보이는 드리프트를 가진 확산 과정에 대해, 베셀 과정은 브라운 운동보다 훨씬 더 효율적인 제안자이다.
• 베셀 다리의 최대값의 알려진 분포를 활용하여 이산화 없이 정확한 샘플링을 구현하며, 이는 수용 확률의 효율적 계산을 가능하게 한다.
• 인구 성장 모형에서 제안된 방법은 이전 알고리즘에 비해 효율성 향상이 뚜렷하게 나타나며, 고도의 기각율로 인해 실용성이 떨어졌던 기존 방법의 한계를 극복한다.
• 이 방법은 광의의 베셀 과정과 조건부 확산을 포함한 넓은 범위의 확산 과정에 적용 가능하며, 이는 경계 행동이 베셀 과정과 일치하기 때문이다.
• 두 개의 유한한 경계로의 이론적 확장을 브라운 운동을 후보로 사용하여 개발하여, 이 프레임워크가 진입 경계를 초월한 유연성을 지닌다는 것을 보여준다.
• 미래 연구 과제로는 경계 조건 가정(B*)을 완화하여 더 일반적인 드리프트 행동을 허용하고, 다른 비브라운 운동 후보 과정을 사용한 정확한 시뮬레이션 탐색이 제기된다.