[论文解读] Conditioning diffusions with respect to partial observations

Jean-Louis Marchand|arXiv (Cornell University)|May 9, 2011

Advanced Mathematical Modeling in Engineering参考文献 6被引用 8

一句话总结

本文建立了在部分观测条件下——具体而言，即在离散确定时间点对过程进行线性变换观测——多维扩散过程的条件分布与一个带有漂移校正项的辅助扩散过程之间的概率测度等价性。该校正项涉及斜投影矩阵及时间依赖的漂移调整，使得可通过易于模拟的辅助过程高效地进行条件过程的蒙特卡洛模拟。

ABSTRACT

In this paper, we prove a result of equivalence in law between a diffusion conditioned with respect to partial observations and an auxiliary process. By partial observations we mean coordinates (or linear transformation) of the process at a finite collection of deterministic times. Apart from the theoritical interest, this result allows to simulate the conditioned diffusion through Monte Carlo's method, using the fact that the auxiliary process is easy to simulate.

研究动机与目标

• 解决在离散时间点对状态进行部分线性变换观测时，模拟扩散过程的挑战。
• 将既有的基于桥接的模拟方法——此前仅限于完整终端状态观测——推广至部分或不完全观测的情形。
• 为统计推断与参数估计中条件扩散过程的模拟，提供一种实用且计算可行的方法。
• 在适当正则性和非退化条件下，建立条件扩散过程与特定漂移校正项的辅助过程之间测度等价性的理论条件。

提出的方法

• 提出一个带有漂移校正项的辅助扩散过程 y，其中校正项涉及斜投影矩阵 P^k_t(z) 及基于观测时间 T_k 的时间依赖性调整。
• 校正项仅在区间 (T_k - ε_k, T_k) 内起作用，以确保技术上的可处理性并避免奇异性。
• 使用斜投影矩阵 P^k_t(z)，使得 L_k P^k_t(z) = L_k 且 ker(L_k) = ker(P^k_t(z))，以保证与观测约束的一致性。
• 应用 Girsanov 定理与贝叶斯公式，推导出条件测度与辅助过程测度之间的 Radon-Nikodym 密度。
• 在 b、σ 及观测矩阵 L_k 满足适当的正则性和非退化条件时，建立真实条件扩散过程与辅助过程 y 之间的测度等价性。
• 通过令 ε_k → 0 的极限论证，推导出精确的密度比，从而实现对条件测度下期望的无偏蒙特卡洛估计。

实验结果

研究问题

• RQ1 当扩散过程在离散时间点上被部分观测（如状态的线性函数）时，能否实现有效模拟？
• RQ2 是否存在一个辅助过程，其测度与条件扩散过程等价，从而可通过蒙特卡洛方法实现实际模拟？
• RQ3 为确保在部分观测条件下的测度等价性，辅助过程中漂移校正项必须采取何种形式？
• RQ4 如何显式计算条件测度与辅助过程测度之间的 Radon-Nikodym 密度？

主要发现

• 在部分观测条件 (L_k x_{T_k} = v_k) 下，扩散过程的测度与一个带有特定漂移校正项的辅助过程 y 的测度等价，其中校正项涉及斜投影矩阵及时间依赖性调整。
• 辅助过程 y 唯一确定，并在每个观测时间 T_k 几乎必然收敛至正确的终端值，从而确保与条件约束的一致性。
• 条件测度与 y 的测度之间的 Radon-Nikodym 密度可显式计算，且仅依赖于参数 b、σ、T_k、v_k 及投影矩阵 P^k_t。
• 该方法可通过对从辅助过程模拟的路径进行加权平均，实现对条件期望的无偏蒙特卡洛估计。
• 校正项在每个 T_k 的左邻域内可积，确保随机积分的存在性及 Girsanov 变换的有效性。
• 该理论框架将布朗桥与全观测桥接方法推广至部分线性变换观测的情形。