[论文解读] A forward-backward stochastic analysis of diffusion flows

Pierre Del Moral, Sumeetpal S. Singh|arXiv (Cornell University)|Jun 21, 2019

Stochastic processes and financial applications被引用 6

一句话总结

本文引入前向-后向随机半群公式，以分析由不同漂移和扩散函数驱动的扩散流之间的差异。通过利用切线过程与Hessian过程，将Alekseev-Gronwall引理推广至扩散过程，并在自然谱条件之下推导出统一的时间范围估计，从而在摄动理论、相互作用扩散过程及离散逼近中实现应用。

ABSTRACT

We present forward-backward stochastic semigroup formulae to analyse the difference of diffusion flows driven by different drift and diffusion functions. These formulae are expressed in terms of tangent and Hessian processes and can be interpreted as an extension of the Aleeksev-Grobner lemma to diffusion flows. We present some natural spectral conditions that allows to derive in a direct way a series of uniform estimates with respect to the time horizon. We illustrate the impact of these results in the context of diffusion perturbation theory, interacting diffusions and discrete time approximations.

研究动机与目标

• 开发一种随机半群框架，以量化具有不同漂移系数与扩散系数的扩散流之间的差异。
• 利用随机分析将Alekseev-Gronwall引理推广至扩散过程的情境。
• 识别出能对任意时间范围产生统一估计的谱条件。
• 将该框架应用于扩散摄动理论、粒子系统相互作用及离散时间逼近。

提出的方法

• 推导前向-后向随机半群公式，以切线过程与Hessian过程表达扩散流之间的差异。
• 利用伊藤微积分与随机微分方程，建模这些过程沿流的演化。
• 对扩散过程的无穷小生成元施加谱条件，以确保估计的统一有界性。
• 利用半群结构，将流差异的分析分解为可处理的随机分量。
• 利用半群表示，推导出在摄动下流偏离量的时间统一界。
• 通过实例展示该框架在摄动理论、平均场相互作用及Euler-Maruyama离散化方案中的实用性。

实验结果

研究问题

• RQ1 如何利用前向-后向随机半群来量化具有不同漂移与扩散函数的两个扩散流之间的差异？
• RQ2 扩散过程生成元的何种谱条件可确保在任意时间范围内实现统一估计？
• RQ3 扩展的Alekseev-Gronwall引理在分析扩散过程摄动时可如何应用？
• RQ4 切线过程与Hessian过程如何促进相互作用扩散系统稳定性分析？
• RQ5 该框架对扩散过程离散时间逼近的收敛性有何影响？

主要发现

• 所提出的前向-后向随机半群公式提供了一种系统化方法，通过切线过程与Hessian过程分析流差异。
• 对扩散过程生成元施加谱条件，可导出与时间范围无关的统一估计。
• 该框架将经典Alekseev-Gronwall引理推广至随机扩散设定，实现稳健的摄动分析。
• 该方法可在弱耦合假设下，直接推导出相互作用扩散系统中的稳定性界。
• 在指定谱约束下，该方法可导出扩散过程离散时间逼近的统一收敛速率。
• 在摄动理论中的应用表明，该框架在量化扩散流对漂移与扩散系数变化的敏感性方面具有实用性。