[논문 리뷰] Spatial rough path lifts of stochastic convolutions

Peter K. Friz, Benjamin Gess외 2명|arXiv (Cornell University)|2012. 10. 31.

Stochastic processes and financial applications참고 문헌 11인용 수 3

한 줄 요약

이 논문은 분산 함수의 볼록성 또는 볼록성의 성질을 활용하여 정적 증분을 가진 가우시안 과정의 공분산의 유한한 제어된 로-변동성을 보장하는 충분조건을 수립한다. 이러한 조건들은 공간 변수에서 추가적이고 가능하게 색이 칠해진 소음이 있는 분수적 확률적 열 방정식의 해에 대한 공간적 거친 경로 리프팅을 가능하게 하며, 최근의 거친 경로 이론에서의 발전을 확장한다.

ABSTRACT

We present sufficient conditions for finite controlled rho-variation of the covariance of Gaussian processes with stationary increments, based on concavity or convexity of their variance function. The motivation for this type of conditions comes from recent work of Hairer [CPAM,2011]. Our results allow to construct rough paths lifts of solutions to a class of fractional stochastic heat equations with additive, possibly colored Wiener noise with respect to their space variable.

연구 동기 및 목표

• 정적 증분을 가진 가우시안 과정의 분산 함수에 대한 충분조건를 특정하여, 그 공분산의 유한한 제어된 로-변동성을 보장하고자 한다.
• 거친 경로 이론의 적용 범위를 시공간 소음이 있는 확률적 편미분방정식에까지 확장하고자 한다.
• 분수적 확률적 열 방정정식의 해에 대한 거친 경로 리프팅을 구성하기 위한 이론적 기반을 제공하고자 한다.
• 경로 기반 적분 방법을 통해 공간 변수에서의 색이 칠해진 윌러 노이즈를 다루는 데 있어 도전 과제를 해결하고자 한다.

제안 방법

• 정적 증분을 가진 가우시안 과정의 분산 함수를 분석하여 그 볼록성 또는 볼록성 성질을 규명한다.
• 공분산 함수의 유한한 제어된 로-변동성을 보장하는 분산 함수에 대한 충분조건를 유도한다.
• 분수적 확률적 열 방정식의 해 과정의 공분산 구조에 이러한 조건를 적용한다.
• 얻어진 로-변동 제어 조건를 활용하여 해 과정의 공간적 거친 경로 리프팅을 구성한다.
• 특히 하이어(Hairer, 2011)의 최근 이론적 발전을 활용하여 리프팅 구성의 타당성을 입증한다.
• 소음이 공간에서 색이 칠해져 있더라도, 공간-시간 흰색 노이즈일 경우에만 국한되지 않는 방법의 적용 가능성을 확보한다.

실험 결과

연구 질문

• RQ1 정적 증분을 가진 가우시안 과정의 분산 함수에 대해 어떤 조건이 그 공분산 함수의 유한한 제어된 로-변동성을 보장하는가?
• RQ2 분산 함수의 볼록성 또는 볼록성은 과정의 거친 경로 성질을 어떻게 제어할 수 있는가?
• RQ3 추가적이고 가능하게 색이 칠해진 시공간 소음이 있는 분수적 확률적 열 방정식의 해에 대해 거친 경로 리프팅을 구성할 수 있는가?
• RQ4 공분산의 로-변동은 이러한 확률적 편미분방정식의 경로 기반 해 구성 가능성을 어떻게 보장하는가?
• RQ5 이 방법은 기존의 확률적 편미분방정식에 대한 거친 경로 이론 결과를 어떻게 확장하거나 일반화하는가?

주요 결과

• 분산 함수가 볼록 또는 볼록일 경우, 매개변수 영역에 따라 공분산 함수의 유한한 제어된 로-변동성이 보장된다.
• 분산 함수에 대한 충분조건는 해 과정의 공간적 거친 경로 리프팅 구성에 기여한다.
• 이 방법는 공간에서 색이 칠해진 소음을 가진 분수적 확률적 열 방정식에 적용 가능하며, 공간에서 흰색 노이즈일 경우에만 국한되지 않는다.
• 결과적으로 하이어의 프레임워크는 확률적 편미분방정식에서 더 넓은 범위의 가우시안 노이즈 과정으로 확장된다.
• 이 방법는 전통적인 이토 또는 스트라토니치 적분이 충분하지 않은 경우에도 확률적 편미분방정식의 경로 기반 해 구성이 가능하게 한다.