[论文解读] At the Edge of Criticality: Markov Chains with Asymptotically Zero Drift

Denis Denisov, Dmitry Korshunov+1 more|arXiv (Cornell University)|Dec 5, 2016

Stochastic processes and statistical mechanics参考文献 49被引用 6

一句话总结

本文提出了一种新颖的Cramér–Doob h-变换方法，用于分析具有渐近零漂移的时齐马尔可夫链——即通常所称的Lamperti问题——并给出了首次通过精确的尾部渐近分析得到的常返时间与不变测度的渐近性质。通过从漂移与方差之比构造次调和测试函数，该方法在测度变换下实现了质量损失的控制并保持了随机有界性，克服了经典Lyapunov函数方法的局限性，从而得到了关于瞬时性、常返性及正常返性的精确判别准则。

ABSTRACT

The main goal of this text is comprehensive study of time homogeneous Markov chains on the real line whose drift tends to zero at infinity, we call such processes Markov chains with asymptotically zero drift. Traditionally this topic is referred to as Lamperti's problem. Time homogeneous Markov chains with asymptotically zero drift may be viewed as a subclass of perturbed in space random walks. The latter are of basic importance in the study of various applied stochastic models, among them branching and risk processes, queueing systems etc. Random walks generated by sums of independent identically distributed random variables are well studied, see e.g. classical textbooks by W. Feller (1971), V.V. Petrov (1975), or F. Spitzer (1964); for the recent development of the theory of random walks we refer to A.A. Borovkov and K.A. Borovkov (2008). There are many monographs devoted to various applications where random walks play a crucial role, let us just mention books on ruin and queueing processes by S. Asmussen (2000, 2003); on insurance and finance by P. Embrechts, C. Kluppelberg, and T. Mikosch (1997), and T. Rolski, H. Schmidli, V. Schmidt, and J. Teugels (1998); and on stochastic difference equations by D. Buraczewski, E. Damek and T. Mikosch (2016). In the same applied stochastic models, if one allows the process considered to be dependent on the current state of the process, we often get a Markov chain which has asymptotically zero drift, we demonstrate that in the last chapter, where we particularly discuss branching and risk processes, stochastic difference equations and ALOHA network.

研究动机与目标

• 为克服经典Lyapunov函数方法在分析具有渐近零漂移的马尔可夫链时的局限性，特别是为推导不变测度与常返时间的精确尾部渐近性质。
• 基于Doob的h-变换，发展一种新的分析框架，利用近似调和函数但保留有利解析性质的次调和函数。
• 建立一种系统化的方法，从跳跃的漂移与二阶矩之比构造测试函数，确保在新测度下质量损失可控且随机有界。
• 提供改进的判别准则，用于将马尔可夫链分类为瞬时、常返或正常态返，尤其在漂移在无穷远处趋于零的临界情形下。
• 将该框架应用于具体模型——如分支过程、风险过程和ALOHA网络——得出关于由轻尾增量产生重尾平稳分布的新结果。

提出的方法

• 采用改进的Doob h-变换，使用次调和函数而非调和函数，从而在保持跳跃过程在新测度下随机有界性的同时，控制质量损失。
• 从跳跃的漂移与二阶矩之比构造测试函数，确保所得变换核在无穷远处近乎随机，并便于进行渐近分析。
• 通过测度变换应用Cramér方法研究常返时间与不变测度的尾部行为，替代了在无穷远处可能发散的链函数泛函。
• 利用新测度推导极限定理，包括瞬时链的适当归一化平方过程弱收敛于Gamma分布，以及对更新测度的分析。
• 在第8章和第9章中，基于相同的内核变换框架，发展专门技术以处理幂律与Weibull型尾部渐近行为。
• 证明该方法可被重新用于构造Lyapunov函数，从而统一了常返性分类与尾部渐近分析的分析框架。

实验结果

研究问题

• RQ1 如何为具有渐近零漂移的马尔可夫链的不变测度推导精确的尾部渐近性质，特别是在跳跃为轻尾分布时？
• RQ2 当经典Lyapunov函数因变换过程中增长无界而失效时，应如何正确推广Lyapunov函数方法？
• RQ3 基于次调和函数的Doob h-变换能否提供一种稳定且解析可处理的替代方案，以替代具有未知性质的调和函数？
• RQ4 漂移与跳跃二阶矩之比在多大程度上可作为构造有效测试函数以进行常返性分类的基础？
• RQ5 在瞬时情形下，返回概率与更新测度的渐近行为在多大程度上依赖于漂移的衰减速率？

主要发现

• 所提出的基于次调和函数的Cramér–Doob h-变换方法，能够精确控制质量损失，并保持跳跃过程在新测度下的随机有界性，克服了经典局部鞅方法中链函数泛函的关键局限。
• 该方法在漂移趋于零的临界情形下，显著改进了瞬时性、常返性与正常态返性的判别准则。
• 对于瞬时马尔可夫链，本文建立了适当归一化平方过程弱收敛于Gamma分布的结果，扩展了Lamperti的原始结果，并建立了新的分析基础。
• 研究证明，具有渐近零漂移的马尔可夫链的不变测度具有重尾——即使跳跃分布有界——表明轻尾输入可产生重尾输出。
• 该框架成功推导出幂律与Weibull型尾部的精确渐近性质，提供了一套适用于广泛模型类的系统化技术。
• 该方法被成功应用于分支过程、风险过程和ALOHA网络等实际模型，得出了关于平稳分布行为与系统稳定性的新结果。