[论文解读] A new proof for the convergence of Picard's filter using partial Malliavin calculus

Hideyuki Tanaka|arXiv (Cornell University)|Nov 24, 2013

Stochastic processes and financial applications参考文献 8被引用 3

一句话总结

本文利用部分麦利安微积分，为非线性滤波中皮卡德滤波器的收敛性提供了新证明，建立了当 $ p > 2 $ 时的 $ L^p $-收敛速率 $ O(1/n) $，即使函数 $ g $ 不规则也成立。该方法通过利用维纳空间上取值于希尔伯特空间的泛函中的对偶性与条件期望，避免了标准的强收敛与弱收敛分析方法。

ABSTRACT

The discrete-time approximation for nonlinear filtering problems is related to both of strong and weak approximations of stochastic differential equations. In this paper, we propose a new method of proof for the convergence of approximate nonlinear filter analyzed by Jean Picard (1984), and show a more general result than the original one. For the proof, we develop an analysis of Hilbert space valued functionals on Wiener space.

研究动机与目标

• 将皮卡德原始的非线性滤波 $ L^2 $-收敛结果推广至 $ L^p $-范数（$ p > 2 $），以提升误差估计的鲁棒性。
• 在 $ g $ 的正则性假设更弱（包括 $ g $ 不光滑）的情况下建立收敛性，避免依赖标准欧拉方案的误差分析。
• 通过部分麦利安微积分，构建一种新颖的分析框架，以处理在 $ \mathcal{F}_T^Y $ 条件下的随机积分的条件期望。
• 通过分析条件期望设定下随机积分与斯科罗霍德积分的对偶性，阐明 $ O(1/n) $ 收敛速率的机制。
• 为未来工作奠定基础，将该方法推广至 Lévy 驱动的 SDE 以及非马尔可夫或依赖的信号-观测过程。

提出的方法

• 利用部分麦利安微积分分析维纳空间上取值于希尔伯特空间的泛函，特别关注给定观测滤波 $ \mathcal{F}_T^Y $ 的条件期望。
• 应用克拉克-奥孔公式及斯科罗霍德积分的对偶关系，对 Radon-Nikodym 导数 $ \Phi_T $ 的近似误差进行分解与估计。
• 利用卡里安布尔-施特里贝尔公式表达条件期望 $ E[g(X_T)\Phi_T|\mathcal{F}_T^Y] $，从而实现对 $ \tilde{\Phi}_T $ 近似误差的分析。
• 通过将随机积分之差表示为斯科罗霍德积分与涉及条件期望的迭代积分之和，推导出误差项 $ E_1(\rho, Z) $ 的关键恒等式。
• 利用引理 3.2 控制误差的 $ L^p $-范数，通过 Malliavin 导数与条件期望的估计，得到 $ O(1/n^p) $ 的界。
• 应用引理 3.9 控制涉及 Malliavin 导数 $ D_r^Y f_s $ 的项，从而在 $ L^p $ 范数下实现最终的 $ O(1/n) $ 收敛速率。

实验结果

研究问题

• RQ1 皮卡德滤波器的 $ L^2 $-收敛结果能否推广至 $ p > 2 $ 的 $ L^p $-范数？需要哪些条件？
• RQ2 当函数 $ g $ 不光滑时，皮卡德滤波器的收敛速率是多少？能否在不依赖欧拉方案强收敛或弱收敛分析的前提下证明该结果？
• RQ3 部分麦利安微积分如何实现对非线性滤波中涉及随机积分的条件期望的更精细分析？
• RQ4 随机积分与斯科罗霍德积分之间的对偶性在推导 $ O(1/n) $ 收敛速率中起什么作用？
• RQ5 该证明方法能否推广至非布朗运动或 Lévy 驱动的 SDE？此类推广需要哪些新工具？

主要发现

• 本文建立了皮卡德滤波器近似在 $ p > 2 $ 时的 $ L^p $-收敛速率 $ O(1/n) $，推广了皮卡德原始的 $ L^2 $-结果。
• 即使 $ g $ 不规则（不一定光滑），只要 $ h \in C_b^2 $，$ b $、$ \sigma $ 满足利普希茨连续，且 $ h $ 有界，收敛性依然成立。
• 误差估计通过部分麦利安微积分的创新应用实现，特别是随机积分与斯科罗霍德积分表示的对偶性。
• 关键技术步骤是通过 Malliavin 导数与条件期望的估计，控制误差项 $ E_1(\rho, Z) $ 的 $ L^p $-范数，得到 $ \|E_1(\rho,Z)\|_p^p \leq \frac{C_3}{n^p}\|Z\Gamma_T(\rho)\|_p^p + \frac{C_4}{n^p}E^{\mathcal{W}_Y}\left[\left(\int_0^T \operatorname{ess\,sup}_{0\leq r\leq T}|E^{\mathcal{W}_B}[(D_r^Y f_s)\theta_s]|^2 ds\right)^{p/2}\right] $。
• 证明表明，尽管 $ h(X_s) - h(X_{\eta(s)}) $ 的弱误差为 $ O(1/n) $，但由于条件期望的结构，$ O(1/n) $ 收敛速率源于观测过程 $ Y $ 的平均效应。
• 该方法对不规则 $ g $ 具有鲁棒性，且结果在最优意义下成立：若极限非退化，则 $ \alpha = 1 $ 无法实现，表明在当前框架下 $ O(1/n) $ 是最佳可能速率。