[论文解读] Central Limit Theorem for Nonlinear Hawkes Processes

Lingjiong Zhu|arXiv (Cornell University)|Apr 4, 2012

Point processes and geometric inequalities被引用 5

一句话总结

该论文在温和的正则性条件下，为非线性霍克斯过程建立了功能中心极限定理（FCLT）和斯特拉斯滕的不变性原理。证明了归一化的计数过程弱收敛于布朗运动，将经典极限定理从线性霍克斯过程推广至非线性霍克斯过程，并通过强度函数和激发核显式表征了渐近方差。

ABSTRACT

Hawkes process is a self-exciting point process with clustering effect whose intensity depends on its entire past history. It has wide applications in neuroscience, finance and many other fields. In this paper, we obtain a functional central limit theorem for nonlinear Hawkes process. Under the same assumptions, we also obtain a Strassen's invariance principle, i.e. a functional law of the iterated logarithm.

研究动机与目标

• 将此前仅针对线性霍克斯过程建立的极限定理推广至非线性情形。
• 解决由于缺乏移民-出生表示法而导致的非线性霍克斯过程难以获得可处理的极限结果的问题。
• 为非线性霍克斯过程建立功能中心极限定理（FCLT）与斯特拉斯滕的不变性原理。
• 以强度函数与激发核为基准，表征归一化计数过程的渐近方差。
• 为金融与神经科学等应用中的统计推断与建模提供理论基础。

提出的方法

• 利用计数过程 $ N_t $ 的局部鞅分解，将其表示为可预测补偿项与零均值局部鞅之和。
• 采用混合鞅型分解以处理非线性霍克斯过程的长程依赖与非马尔可夫结构。
• 通过 $ D[0,1] $ 空间中斯科罗霍德拓扑下的弱收敛准则，应用混合鞅序列的功能中心极限定理。
• 在速率函数 $ \nu \lambda(\cdot) $ 为 $ \alpha $-利普希茨连续且满足 $ \alpha \|h\|_{L^1} < 1 $ 的条件下，依据布雷莫德与马苏利埃的方法，证明了平稳遍历解的存在性与唯一性。
• 通过定义 $ \eta_n = \sum_{j=n}^\infty \mathbb{E}[N(j,j+1] - \mu \mid \mathcal{F}^{-\infty}_{n+1}] $，构造出一个平稳、遍历、零均值的序列 $ Y_n $，从而使得不变性原理得以应用。
• 通过在条件强度不同的正概率集合上进行耦合论证，证明了渐近方差 $ \sigma^2 $ 的正性，确保了极限的非退化性。

实验结果

研究问题

• RQ1 能否为缺乏移民-出生表示线性结构的非线性霍克斯过程建立功能中心极限定理？
• RQ2 在何种条件下，非线性霍克斯过程的归一化计数过程弱收敛于布朗运动？
• RQ3 在与FCLT相同的假设下，斯特拉斯滕的不变性原理（功能iterated对数律）是否适用于非线性霍克斯过程？
• RQ4 非线性霍克斯过程极限定理中渐近方差的显式形式为何？
• RQ5 与线性情形相比，强度函数的非线性如何影响收敛速度与分布极限？

主要发现

• 非线性霍克斯过程满足功能中心极限定理：在 $ D[0,1] $ 上有 $ \frac{N_{\cdot t} - \cdot \mu t}{\sqrt{t}} \Rightarrow \sigma B(\cdot) $，其中 $ B(\cdot) $ 为标准布朗运动。
• 渐近方差 $ \sigma^2 $ 为正且有限，且 $ \sigma^2 = \mathbb{E}[Y_1^2] $，其中 $ Y_n $ 是由过程补偿项导出的平稳、遍历、零均值混合鞅序列。
• 在相同条件下，斯特拉斯滕的不变性原理成立：归一化过程满足功能iterated对数律。
• 通过证明条件强度在正概率集合上存在差异，确立了 $ \sigma^2 $ 的正性，从而表明波动具有非退化性。
• 该结果将此前仅适用于线性霍克斯过程的古典极限定理推广至非线性情形，显著拓展了理论适用范围。
• 方差依赖于速率函数 $ \lambda(\cdot) $ 的利普希茨常数、激发核 $ h $ 的 $ L^1 $-范数以及平稳强度 $ \mu $，尽管除 $ \sigma^2 = \mathbb{E}[Y_1^2] $ 外，未显式计算出其精确表达式。