[论文解读] Conditioning of Gaussian processes and a zero area Brownian bridge

Maik Görgens|arXiv (Cornell University)|Feb 18, 2013

Stochastic processes and financial applications参考文献 3被引用 6

一句话总结

本文通过将高斯过程条件化于多个线性泛函为零的情形，对其进行了推广，例如在时间1处被固定的布朗运动，并进一步条件化为积分为零。利用Girsanov定理和显式SDE推导，表明条件化过程遵循时变非时齐的马尔可夫SDE，其中零积分散布朗桥是一个关键示例，通过非适应性和适应性表示形式显式导出。

ABSTRACT

We generalize the notion of Gaussian bridges by conditioning Gaussian processes given that certain linear functionals of the sample paths vanish. We show the equivalence of the laws of the unconditioned and the conditioned process and by an application of Girsanov's theorem, we show that the conditioned process follows a stochastic differential equation (SDE) whenever the unconditioned process does. In the Markovian case, we are able to determine the coefficients in the SDE of the conditioned process explicitly. Our main example is Brownian motion on $[0,1]$ pinned down in 0 at time 1 and conditioned to have vanishing area spanned by the sample paths.

研究动机与目标

• 将高斯桥推广为对连续高斯过程施加多个线性泛函为零的条件，而不仅限于点值条件。
• 在该条件下，建立无条件过程与条件化过程之间的概率测度等价性。
• 利用Girsanov定理，推导条件化过程的非适应性随机微分方程（SDE）。
• 为零积分散布朗桥——一种新颖的条件化过程——提供显式适应性和非适应性表示形式。
• 证明二维过程 (M_s, J_s) 在条件化测度下为时变非时齐马尔可夫过程。

提出的方法

• 利用Carathéodory扩张定理的正则条件概率，将高斯过程 X 条件化于有限个线性泛函 a ∈ A 为零的事件。
• 应用Girsanov定理，证明在有限时间区间上，无条件过程与条件化过程的测度是等价的。
• 通过希尔伯特空间中的正交投影推导适应性表示形式，使用公式 X^{(A)}_s = X_s - ∑_{i=1}^n ξ_i a_i(X) f_i(s)，其中 ξ_i 为线性方程组的解。
• 通过计算条件期望的极限来推导非适应性SDE，即 δ(s,M) = lim_{r↓0} (𝔼[M_{s+r}|ℱ_s^M] - M_s)/r。
• 利用原始过程（如布朗运动）的马尔可夫性，证明在条件化下，对 (M_s, J_s) 为马尔可夫过程。
• 通过求解涉及协方差结构的线性方程组，计算条件期望 𝔼[M_t|ℱ_s^M]，从而显式得出SDE中的漂移系数。

实验结果

研究问题

• RQ1 高斯过程如何超越点条件化（如布朗桥）而推广到多个线性约束（如积分为零）？
• RQ2 在何种条件下，条件化过程的测度与原始过程的测度等价？
• RQ3 能否利用Girsanov定理，为条件化过程推导出非适应性SDE表示？
• RQ4 零积分散布朗桥的SDE中漂移项的显式形式为何？
• RQ5 在条件化测度下，二维过程 (M_s, J_s) 是否为马尔可夫过程？

主要发现

• 零积分散布朗桥 M 满足SDE dM_s = dW_s - 4M_s/(1-s) ds - 6J_s/(1-s)^2 ds，其中 M_0 = 0 且 J_s = ∫₀^s M_x dx。
• M 的适应性表示为 M_s = W_s - s(3s - 2)W_1 - 6s(1-s)I_1，其中 I_1 = ∫₀¹ W_x dx。
• 对于所有 s < 1，测度 ℙ_W 与 ℙ_M 在 ℱ_s 上等价，确保了Girsanov变换测度的合法性。
• 二维过程 (M_s, J_s) 是一个时变非时齐马尔可夫过程，其转移期望通过求解涉及 D_s ξ = d_s 的线性系统确定。
• 漂移系数 δ(s,M) 通过条件期望的极限显式计算为 -4M_s/(1-s) - 6J_s/(1-s)^2。
• 条件化过程 M 的协方差为 R_M(s,t) = R_W(s,t) - R_W(s,1)R_W(t,1)/R_W(1,1) + 涉及积分约束的项，推广了标准桥公式。