[论文解读] Hitting probabilities for general Gaussian processes

Eulàlia Nualart, Viens, F.|arXiv (Cornell University)|May 8, 2013

Stochastic processes and financial applications参考文献 20被引用 3

一句话总结

本文在最小正则性条件下（γ 连续、递增、凹，且满足 γ(0)=0 和 γ′(0+)=∞），为具有通用方差函数 γ(t) 的 d 维高斯过程建立了命中概率的精确上下界。该研究引入了一套基于 Malliavin 微积分与两点局部不确定性的新容量和 Hausdorff 测度框架，表明对幂律行为的对数修正（如 t^H log^β(1/t)）会将单点极性相变点从经典的 H=1/d 推移至依赖于 β 的范围，从而改进了基于 Hölder 连续性的经典判据。

ABSTRACT

For a scalar Gaussian process $B$ on $\mathbb{R}_{+}$ with a prescribed general variance function $γ^{2}\left(r ight) =\mathrm{Var}\left(B\left(r ight) ight) $ and a canonical metric $\mathrm{E}[\left(B\left(t ight) -B\left(s ight) ight) ^{2}]$ which is commensurate with $γ^{2}\left(t-s ight) $, we estimate the probability for a vector of $d$ iid copies of $B$ to hit a bounded set $A$ in $\mathbb{R}^{d}$, with conditions on $γ$ which place no restrictions of power type or of approximate self-similarity, assuming only that $γ$ is continuous, increasing, and concave, with $γ\left(0 ight) =0$ and $γ^{\prime}\left(0+ ight) =+\infty$. We identify optimal base (kernel) functions which depend explicitly on $γ$, to derive upper and lower bounds on the hitting probability in terms of the corresponding generalized Hausdorff measure and non-Newtonian capacity of $A$ respectively. The proofs borrow and extend some recent progress for hitting probabilities estimation, including the notion of two-point local-nondeterminism in Biermé, Lacaux, and Xiao \cite{Bierme:09}.

研究动机与目标

• 推导具有通用方差函数 γ(t) 的 d 维高斯过程命中概率的精确上下界，不假设幂律或自相似结构。
• 确定集合 A ⊂ ℝ^d 为极性（命中概率为零）或非极性（命中概率为正）的精确条件，扩展基于 Hölder 连续性的经典结果。
• 构建一个基于 γ(t) 和广义 Hausdorff 测度的新内在框架，取代在捕捉对数修正方面失效的经典 Hölder 或连续模技术。
• 以参数 β 在 γ(t) = t^H log^β(1/t) 中表征单点极性的相变，表明其发生于 β = H 而非 H = 1/d。
• 通过从 γ 和过程局部行为导出的新核函数，建立命中概率与非牛顿容量之间的联系。

提出的方法

• 利用 Malliavin 微积分推导标量高斯过程命中小球和点的精确密度估计，从而实现命中概率的精确边界。
• 将 Biermé、Lacaux 与 Xiao（2013）提出的两点局部不确定性的框架适配并推广至通用 γ(t)，实现下界所需的二阶矩能量估计。
• 构造核函数 K(x) = v∘γ⁻¹(x)，其中 v(r) = ∫_r^{b−a} s^{−1} log^{−β/H}(1/s) ds，以定义用于下界的广义容量。
• 应用覆盖论证与能量方法，以广义 Hausdorff 测度形式推导上界，其量规函数为 ψ(x) = x^{d−1/H} log^{β/H}(1/x)。
• 采用一种新颖的容量正则性判据，涉及级数收敛性：∑ 2^{-n} / φ(q^n) < ∞，以验证 Cantor 集等集合的正容量。
• 引入规范度量条件 E[|B(t)−B(s)|²] ≍ γ²(|t−s|)，确保方差结构 γ(t) 主导路径行为，且无需假设自相似性。

实验结果

研究问题

• RQ1 当方差函数为 γ(t) = t^H log^β(1/t) 时，对数修正如何影响 d 维高斯过程单点极性的相变？
• RQ2 能否在不假设 Hölder 连续性或自相似性的情况下，利用广义 Hausdorff 测度与非牛顿容量来界定一般高斯过程的命中概率？
• RQ3 函数 v(r) = ∫_r^{b−a} s^{−1} log^{−β/H}(1/s) ds 在确定命中概率边界精确性方面起何种关键作用？
• RQ4 当经典正则性理论失效时，Malliavin 微积分如何实现对点与小球命中概率的精确估计？
• RQ5 在何种 γ(t) 条件下，给定集合 A ⊂ ℝ^d 对 d 维高斯过程是极性的（即 P(∃t: B(t) ∈ A) = 0）？

主要发现

• 当 γ(t) = t^H log^β(1/t) 时，单点极性的相变发生在 β = H，而非 H = 1/d，即当 β < H 时单点为非极性，当 β ≥ H 时为极性。
• 有界集合 A ⊂ ℝ^d 的命中概率上界由广义 Hausdorff 测度给出，其量规函数为 ψ(x) = x^{d−1/H} log^{β/H}(1/x)，而下界则由涉及核函数 K(x) = log^{1−β/H}(x^{-1}) 的容量给出，当 β < H 时成立。
• 当 β ≥ H 时，核函数 K(x) 有界（K ≡ 1），若容量 C_{1/φ}(A) > 0，则下界为正，该条件在 ∑ 2^{-n} / φ(q^n) < ∞ 时成立，其中 φ(x) = x^{d−1/H} log^{β/H}(1/x)。
• 对于分形维数为 d−1/H 的 Cantor 集 A，当 ψ(x) = x^{d−1/H} 时，Hausdorff 测度 𝒫_{ψ}(A) ≤ 1；当 φ(x) = x^{d−1/H} log^{β/H}(1/x) 且 β < 0 时，𝒫_{φ}(A) = 0，表明此时为极性。
• 容量正则性判据通过级数收敛性验证：当 β' ≥ H 时，∑_{n=1}^∞ log^{−β'/H}(q^n) < ∞，确保 B^{H,β'} 在 β' ≥ H 时具有正命中概率。
• 该方法成功以 γ-内在技术替代经典 Hölder 基正则性估计，证明当存在对数修正时，经典工具不足以获得精确结果。