[论文解读] Exact simulation of the sample paths of a diffusion with a finite entrance boundary

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

Stochastic processes and statistical mechanics参考文献 4被引用 9

一句话总结

本文将扩散过程的精确模拟算法扩展至具有有限进入边界的情形，通过用 Bessel 过程替代布朗运动作为提议候选过程。该方法通过更精确匹配边界行为，显著提升了效率——尤其在人口增长模型和 Bessel 型扩散中，相比传统的基于布朗运动的方法，拒绝率明显降低。

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.

研究动机与目标

• 开发一种针对一维扩散过程的精确模拟算法，该过程具有有限进入边界，其中基于标准布朗运动的方法因边界附近路径匹配不佳而面临高拒绝率。
• 通过用更匹配目标扩散边界行为的 Bessel 过程替代布朗运动作为候选过程，提升算法效率。
• 将精确算法框架扩展至更广泛的扩散过程类别，包括条件扩散过程和具有进入边界的广义人口增长模型。
• 利用 Bessel 过程的最大值和桥路径的已知分布，提供一种可计算的拒绝采样机制。
• 探索将该方法推广至两个有限边界及其他非进入边界类型（如反射或吸收边界）的可行性。

提出的方法

• 通过将 Beskos 等人（2006）提出的回溯拒绝采样框架中的标准布朗运动提议替换为适当阶数的 Bessel 过程，实现方法的改进。
• 利用 Lamperti 变换将原始扩散转换为单位扩散系数过程，从而可应用基于桥路径的采样技术。
• 利用 Bessel 桥的已知分布特性——特别是其最大值及其达到时间的分布——计算接受概率。
• 通过以 Bessel 过程为参考测度，推导接受-拒绝机制的 Radon-Nikodým 导数，确保无需离散化即可实现精确采样。
• 提出一种广义接受概率公式，以考虑边界行为和路径约束，并通过 Bessel 桥极值的已知级数形式实现显式计算。
• 将该算法应用于广义人口增长模型和广义 Bessel 过程，证明其在效率上显著优于基于布朗运动的替代方法。

实验结果

研究问题

• RQ1 能否将精确模拟算法扩展至具有有限进入边界的扩散过程，其中基于布朗运动的提议因边界附近路径匹配不佳而失效？
• RQ2 使用 Bessel 过程作为候选过程而非布朗运动，是否能显著降低此类扩散过程的拒绝率？
• RQ3 在何种数学与计算条件下，Bessel 过程可作为精确模拟框架中有效且高效的提议过程？
• RQ4 该方法能否推广至处理具有两个有限进入边界的扩散过程？与现有方法相比表现如何？
• RQ5 将该方法扩展至其他边界类型（如反射边界或吸收边界）的理论与实际限制是什么？

主要发现

• 对于具有有限进入边界的扩散过程，Bessel 过程作为提议过程相比布朗运动显著提升了效率，尤其当漂移在零附近呈现形如 (2ν+1)/(2x) 的奇异性时。
• 通过利用 Bessel 桥最大值的已知分布，该算法实现了无需离散化的精确采样，从而高效计算接受概率。
• 在人口增长模型中，所提方法相比以往算法展现出效率的显著提升，后者因拒绝率过高而难以实用化。
• 该方法适用于广泛的扩散过程类别，包括广义 Bessel 过程和条件扩散过程，其边界行为与 Bessel 过程一致。
• 通过以布朗运动为候选过程，理论扩展至两个有限边界的情形，展示了该框架在进入边界之外的灵活性。
• 未来工作包括放松边界条件假设 (B*) 以允许更一般的漂移行为，以及探索使用其他非布朗运动候选过程实现精确模拟。