[论文解读] From the master equation to mean field game limit theory: A central limit theorem

François Delarue, Daniel Lacker+1 more|arXiv (Cornell University)|Apr 23, 2018

Stochastic processes and financial applications参考文献 35被引用 85

一句话总结

本文通过将 n 个玩家纳什均衡通过主方程与 McKean–Vlasov 系统联系起来，证明了围绕平均场博弈极限的涨落具有一个函数型中心极限定理，并推导出刻画极限的线性 SPDE。

ABSTRACT

Mean field games (MFGs) describe the limit, as $n$ tends to infinity, of stochastic differential games with $n$ players interacting with one another through their common empirical distribution. Under suitable smoothness assumptions that guarantee uniqueness of the MFG equilibrium, a form of law of large of numbers (LLN), also known as propagation of chaos, has been established to show that the MFG equilibrium arises as the limit of the sequence of empirical measures of the $n$-player game Nash equilibria, including the case when player dynamics are driven by both idiosyncratic and common sources of noise. The proof of convergence relies on the so-called master equation for the value function of the MFG, a partial differential equation on the space of probability measures. In this work, under additional assumptions, we establish a functional central limit theorem (CLT) that characterizes the limiting fluctuations around the LLN limit as the unique solution of a linear stochastic PDE. The key idea is to use the solution to the master equation to construct an associated McKean-Vlasov interacting $n$-particle system that is sufficiently close to the Nash equilibrium dynamics of the $n$-player game for large $n$. We then derive the CLT for the latter from the CLT for the former. Along the way, we obtain a new multidimensional CLT for McKean-Vlasov systems. We also illustrate the broader applicability of our methodology by applying it to establish a CLT for a specific linear-quadratic example that does not satisfy our main assumptions, and we explicitly solve the resulting stochastic PDE in this case.

研究动机与目标

• 为具有公共和个别噪声的 n 玩家随机博弈提供动机并形式化 LLN（chaos 传播）。
• 证明围绕 LLN 极限的涨落收敛到由线性随机偏微分方程驱动的唯一解。
• 利用主方程构建一个接近的 McKean–Vlasov 粒子系统来近似纳什动力学，从而实现 CLT 的转移。
• 给出在主方程框架下能够得到严格涨落结果的条件，并以线性二次例子进行说明。
• （注：此条在原文中为第4条，已翻译为对应中文表述。）

提出的方法

• 用带有哈密顿量 H 的偏微分方程组以及用于 MFG 的主方程来定义 n 玩家随机博弈和纳什系统。
• 利用主方程解 U(t,x,m) 构造一个镜像纳什动力学的 McKean–Vlasov 相互作用扩散过程。
• 在 U 及其导数的光滑性和增长条件下，证明纳什均衡的经验测度收敛到 MFG 均衡。
• 通过分析 McKean–Vlasov 系统的涨落并将极限确定为线性 SPDE 的解来证明一个函数型 CLT。
• 建立 McKean–Vlasov 系统的多维 CLT，并讨论一个可显式求解的线性二次例子。
• 讨论公共噪声的作用，并提供一个将 LLN、CLT 与潜在的大偏差联系起来的框架（在后续工作中）。

实验结果

研究问题

• RQ1 在 n → ∞ 时，平均场博弈均衡是否作为纳什均衡经验测度的 LLN 极限出现？
• RQ2 围绕 LLN 极限的涨落是否收敛到一个线性随机偏微分方程的唯一解，该 SPDE 的形式是什么？
• RQ3 如何使用主方程来构造一个近似的 n 粒子 McKean–Vlasov 系统，使其产生与 Nash 系统相同的涨落极限？
• RQ4 在主方程及数据的哪些正则性假设下，CLT 和相关极限结果成立，特别是在有公共噪声的情况下？
• RQ5 该方法是否可以通过一个显式可求解的线性二次模型来扩展或说明，其中 SPDE 可以被显式求解？

主要发现

• 随着 n 的增大，纳什均衡的经验测度收敛到唯一的 MFG 均衡（LLN）。
• 围绕 LLN 极限的涨落过程在分布上收敛到由时空高斯噪声驱动的线性 SPDE 的唯一解。
• 该方法带来了一种新的多维 McKean–Vlasov 系统 CLT。
• 在更强的假设下，McKean–Vlasov 与 Nash 系统指数接近，从而在后续工作中实现大偏差和非渐近集中性结果。
• 一个线性二次的例子展示了 CLT，并在该情形下允许对得到的 SPDE 进行显式求解。