[论文解读] Antithetic multilevel particle system sampling method for McKean-Vlasov SDEs

Łukasz Szpruch, Alvin Tse|arXiv (Cornell University)|Mar 17, 2019

Stochastic processes and financial applications参考文献 35被引用 15

一句话总结

本文提出了一种用于麦凯恩-弗拉索夫 SDE 中概率测度非线性泛函的对称多级蒙特卡洛（A-MLMC）估计器，利用独立同分布样本和相互作用粒子系统。在较弱正则性假设下，该方法实现了与维度无关的收敛速率和精确的均方误差界，建立了统一的强混沌传播性，并给出了 $L^2$ 对称差异估计。

ABSTRACT

Let $μ\in \mathcal{P}_2(\mathbb R^d)$, where $\mathcal{P}_2(\mathbb R^d)$ denotes the space of square integrable probability measures, and consider a Borel-measurable function $Φ:\mathcal P_2(\mathbb R^d) ightarrow \mathbb R $. IIn this paper we develop Antithetic Monte Carlo estimator (A-MLMC) for $Φ(μ)$, which achieves sharp error bound under mild regularity assumptions. The estimator takes as input the empirical laws $μ^N = \frac1N \sum_{i=1}^{N}δ_{X_i}$, where a) $(X_i)_{i=1}^N$ is a sequence of i.i.d samples from $μ$ or b) $(X_i)_{i=1}^N$ is a system of interacting particles (diffusions) corresponding to a McKean-Vlasov stochastic differential equation (McKV-SDE). Each case requires a separate analysis. For a mean-field particle system, we also consider the empirical law induced by its Euler discretisation which gives a fully implementable algorithm. As by-products of our analysis, we establish a dimension-independent rate of uniform extit{strong propagation of chaos}, as well as an $L^2$ estimate of the antithetic difference for i.i.d. random variables corresponding to general functionals defined on the space of probability measures.

研究动机与目标

• 为概率测度 $\mu \in \mathcal{P}_2(\mathbb{R}^d)$ 的非线性泛函 $\Phi(\mu)$ 构建一种高效的蒙特卡洛估计器，其中 $\mu$ 为独立同分布样本或平均场粒子系统。
• 通过构建结合对称抽样的多级框架，解决当 $\Phi$ 为非线性时，经验测度估计器 $\Phi(\mu^N)$ 所固有的偏差问题。
• 在 $\Phi$ 的较弱正则性条件下，实现与维度无关的精确均方误差界。
• 为相互作用扩散过程建立与维度无关的统一强混沌传播速率。

提出的方法

• 提出一种结合分层抽样层级与对称变体的对称多级蒙特卡洛（A-MLMC）估计器，以降低方差。
• 在每一层级 $\ell$ 上使用来自独立同分布样本或相互作用粒子系统的经验测度 $\mu^{N_{\ell}, \theta, \ell}$，其中 $N_\ell = 2^\ell$。
• 在连续层级之间应用对称耦合，以降低多级结构中差异估计器的方差。
• 为概率测度空间上的一般泛函推导了对称差异的 $L^2$ 界。
• 分析麦凯恩-弗拉索夫 SDE 的欧拉离散化，以获得完全可实现的算法。
• 运用马利avin微积分与函数型伊藤微积分，推导粒子系统的误差估计，包括条件期望与基于 PDE 的抵消项。

实验结果

研究问题

• RQ1 能否有效结合对称抽样与多级蒙特卡洛，以降低测度非线性泛函的方差？
• RQ2 在麦凯恩-弗拉索夫 SDE 背景下，A-MLMC 估计器对经验测度非线性泛函的收敛速率为何？
• RQ3 在 $\Phi$ 的较弱正则性假设下，A-MLMC 估计器是否实现与维度无关的收敛速率？
• RQ4 在所提出的估计器下，平均场粒子系统的统一强混沌传播速率为何？
• RQ5 能否为 $\mathcal{P}_2(\mathbb{R}^d)$ 上一般泛函的独立同分布样本对称差异建立精确的 $L^2$ 界？

主要发现

• 在较弱正则性假设下，A-MLMC 估计器实现了 $O(N^{-1/2})$ 阶的均方误差，与中心极限定理的缩放一致。
• 该方法为相互作用粒子系统建立了与维度无关的统一强混沌传播速率，适用于一般非线性泛函。
• 为独立同分布样本推导了对称差异的 $L^2$ 界，这对多级框架中的方差降低至关重要。
• 麦凯恩-弗拉索夫 SDE 的欧拉离散化产生了一种完全可实现的算法，其偏差与方差均受控。
• 分析表明，结合对称耦合的多级结构实现了与普通蒙特卡洛相当的最优计算效率，即使在非线性泛函设定下亦成立。
• 本文证明了 A-MLMC 估计器中的错位求和可无偏地估计 $\Phi(\mu)$，且方差通过反对称耦合得以控制。