[論文レビュー] Unitary representations of geometric rough paths

Ilya Chevyrev|arXiv (Cornell University)|Jul 12, 2013

Bayesian Methods and Mixture Models被引用数 1

ひとこと要約

本稿では、幾何的粗いパスの署名上の確率測度のための特性関数を導入し、確率変数がその期待署名によって一意に決定される条件を確立する。弱収束のためのモーメント法を証明し、Lévy、ガウス、マルコフ型粗いパスにその結果を適用することで、粗いパス理論における署名に基づくモーメント問題が前進する。

ABSTRACT

We define a characteristic function for probability measures on the signatures of geometric rough paths. We determine sufficient conditions under which a random variable is uniquely determined by its expected signature, thus partially solving the analogue of the moment problem. We furthermore study analyticity properties of the characteristic function and prove a method of moments for weak convergence of random variables. We apply our results to signature arising from Levy, Gaussian and Markovian rough paths.

研究の動機と目的

• 幾何的粗いパスの署名上の確率測度のための特性関数を定義すること。
• 確率変数がその期待署名によって一意に決定される十分な条件を特定すること。
• 粗いパスの署名の文脈における特性関数の解析的性質を研究すること。
• 署名に基づく確率変数の弱収束のためのモーメント法を確立すること。
• 理論的枠組みをLévy、ガウス、マルコフ型粗いパスに適用すること。

提案手法

• 本稿では、指数的モーメント母関数を用いて、幾何的粗いパスの署名上の確率測度のための特性関数を定義する。
• 解析的性質の技術を用いて、特性関数が署名の法則を一意に決定する条件を確立する。
• この手法は、適切なモーメントおよび解析的性質の条件下で、期待署名が分布を決定することを示す。
• 古典的なモーメント法を、粗いパスの署名の文脈における弱収束に拡張する。
• 確率解析および粗いパス理論からの理論的道具を用いて、Lévy、ガウス、マルコフ型粗いパスを分析する。

実験結果

リサーチクエスチョン

• RQ1 幾何的粗いパスの署名上での確率変数が、その期待署名によって一意に決定される条件は何か？
• RQ2 特性関数の解析的性質は、署名空間における分布の一意性とどのように関係するか？
• RQ3 確率変数の署名に基づいて、弱収束のためのモーメント法を確立できるか？
• RQ4 特性関数のアプローチは、粗いパスの署名の文脈におけるLévy過程にどのような意味を持つのか？
• RQ5 結果はガウスおよびマルコフ型粗いパスにどのように拡張されるか？

主な発見

• 幾何的粗いパスの署名上の確率測度のための特性関数が定義され、分布の一意性の研究が可能になった。
• 期待署名が確率変数の法則を一意に決定する十分な条件が確立された。
• 特性関数の解析的性質が導出され、一意性および収束結果を支持する。
• 弱収束のためのモーメント法が証明され、分布収束と期待署名の収束を結びつける。
• この枠組みはLévy、ガウス、マルコフ型粗いパスに成功裏に適用され、広範な適用可能性が示された。