[论文解读] A class of nonlinear random walks related to the Ornstein-Uhlenbeck process

S. A. Muzychka, K. L. Vaninsky|arXiv (Cornell University)|Jul 5, 2011

Gas Dynamics and Kinetic Theory参考文献 7被引用 7

一句话总结

本文提出了一种受Ornstein-Uhlenbeck过程启发的非线性随机游走模型，其中漂移参数L(t)和M(t)根据当前状态分布p_n(t)动态演化。该系统表现出连续统的平稳测度、守恒量，并收敛至经典随机游走。关键结果是通过李雅普诺夫函数证明系统全局收敛至平稳状态，方法基于相对熵与不变性分析。

ABSTRACT

Contrary to the theory of Markov processes, no general theory exists for the so called nonlinear Markov processes. We study an example of "nonlinear Markov process" related to classical probability theory, merely to random walks. This model provides interesting phenomena (absent in classical Markov chains): continuum of stationary measures, conserved quantities, convergence to stationary classical random walks etc.

研究动机与目标

• 开发一个可解的非线性马尔可夫过程模型，扩展经典随机游走理论。
• 探索标准马尔可夫链中不存在的现象，如连续统的平稳测度与守恒量。
• 通过李雅普诺夫函数方法建立系统收敛至经典随机游走的结果。
• 使用随时间演化的参数L(t)和M(t)对多头与空头市场进行建模。

提出的方法

• 系统由关于概率分布p_n(t)的无穷维ODE定义，其跳跃速率λ_n(t)与μ_n(t)依赖于L(t)和M(t)。
• L(t)与M(t)的动力学由平均跳跃速率决定，通过常数漂移修正C_λ与C_μ确保不动点的存在。
• 通过变量替换s(t) = (L(t) + M(t))/2与d(t) = (L(t) - M(t))/2，将(p, s)动力学与d(t)解耦，从而实现收敛性分析。
• 使用相对熵H(t) = ∑ p_n ln(p_n / π_n^s)作为李雅普诺夫函数以证明收敛性，其中π_n^s ∝ e^{-(s-n)^2}。
• 引入修正的李雅普诺夫函数W(t) = H(t) + 2Ks(t) - 3s²(t)，其中K为守恒量，以证明其单调递减。
• 通过证明Q(t)（p_n(t)与β(n)的函数）在d(t)的ODE中收敛，确立了d(t)的收敛性，从而获得d(t)微分方程的显式解。

实验结果

研究问题

• RQ1 尽管漂移演化具有非线性性，具有动态参数的非线性马尔可夫过程是否仍能收敛至经典随机游走？
• RQ2 该系统是否具有连续统的平稳测度？它们与Ornstein-Uhlenbeck过程有何关联？
• RQ3 系统中存在哪些守恒量？它们如何约束长期行为？
• RQ4 相对熵H(t)随时间如何变化？它能否用于证明收敛性？
• RQ5 是否可将漂移参数L(t)与M(t)的时间演化与概率分布p_n(t)解耦，以简化分析？

主要发现

• 系统具有连续统的平稳测度π_n ∝ e^{-c(n-s)^2}，由参数s参数化，且与d无关。
• 守恒量K = 2s + ∑ n p_n(t)在时间上保持不变，将分布的均值与中心参数s联系起来。
• 相对熵H(t)随时间非增，且当且仅当p(t)与平稳测度π^s成比例时趋于零。
• 修正的李雅普诺夫函数W(t) = H(t) + 2Ks(t) - 3s²(t)非增且趋于零，证明了(p(t), s(t))全局收敛至平稳状态。
• 由于d(t)微分方程中函数Q(t)的收敛性，d(t)在t → ∞时收敛至有限极限。
• 轨迹(p(t), s(t))与d(t)无关，使得可通过解耦的(p, s)子系统证明收敛性。