[论文解读] Karhunen-Loeve expansions of alpha-Wiener bridges

Mátyás Barczy, Endre Iglói|arXiv (Cornell University)|Jul 17, 2010

Mathematical Analysis and Transform Methods参考文献 30被引用 3

一句话总结

本文推导了 $\alpha$-Ornstein-Uhlenbeck 桥（即均值回归漂移的 SDE 定义的高斯过程）的显式加权与非加权 Karhunen-Loève 展开。关键贡献在于利用贝塞尔函数性质与协方差算子的谱分析，精确推导出该过程在 $L^2[0,T]$-范数平方的拉普拉斯变换及其小/大偏差渐近行为。

ABSTRACT

We study Karhunen-Loeve expansions of the process $(X_t^{(α)})_{t\in[0,T)}$ given by the stochastic differential equation $dX_t^{(α)} = -\fracα{T-t} X_t^{(α)} dt+ dB_t,$ $t\in[0,T),$ with an initial condition $X_0^{(α)}=0,$ where $α>0,$ $T\in(0,\infty)$ and $(B_t)_{t\geq 0}$ is a standard Wiener process. This process is called an $α$-Wiener bridge or a scaled Brownian bridge, and in the special case of $α=1$ the usual Wiener bridge. We present weighted and unweighted Karhunen-Loeve expansions of $X^{(α)}$. As applications, we calculate the Laplace transform and the distribution function of the $L^2[0,T]$-norm square of $X^{(α)}$ studying also its asymptotic behavior (large and small deviation).

研究动机与目标

• 为 $\alpha$-Ornstein-Uhlenbeck 桥过程（标准 Wiener 桥的推广）提供显式的 Karhunen-Loève 展开。
• 计算 $\alpha$-Ornstein-Uhlenbeck 桥在 $L^2[0,T]$-范数平方的拉普拉斯变换。
• 分析该过程 $L^2$-范数平方的小偏差与大偏差渐近行为。
• 通过引入此类桥的加权与非加权形式，拓展已知高斯过程 KL 展开结果。

提出的方法

• 过程 $X_t^{(\alpha)}$ 由 SDE $\mathsf{d}X_t^{(\alpha)} = -\frac{\alpha}{T-t}X_t^{(\alpha)}\mathsf{d}t + \mathsf{d}B_t$ 定义，初始条件 $X_0^{(\alpha)} = 0$，其显式解为 $X_t^{(\alpha)} = \int_0^t \left(\frac{T-t}{T-s}\right)^\alpha \mathsf{d}B_s$。
• 推导出协方差函数 $R^{(\alpha)}(s,t)$，其形式依 $\alpha \neq 1/2$ 与 $\alpha = 1/2$ 而异，涉及幂函数与对数项。
• 通过求解协方差算子的特征值问题构造 Karhunen-Loève 展开，得到的特征函数涉及贝塞尔函数 $J_{\nu}$ 与 $Y_{\nu}$，其中 $\nu = \alpha - 1/2$。
• 将 $L^2[0,T]$-范数平方表示为独立同分布标准正态变量的平方和，其系数为特征值，从而实现拉普拉斯变换的计算。
• 利用 Nazarov 与 Pusev [29] 的结果，结合贝塞尔函数零点与谱衰减的性质，对小偏差与大偏差行为进行渐近分析。
• 理论工具包括贝塞尔函数的欧拉乘积公式、$J_\nu^2$ 的积分恒等式，以及零点 $z_k^{(\nu)}$ 的渐近展开。

实验结果

研究问题

• RQ1 什么是 $\alpha$-Ornstein-Uhlenbeck 桥过程的显式加权与非加权 Karhunen-Loève 展开？
• RQ2 什么是 $\alpha$-Ornstein-Uhlenbeck 桥在 $L^2[0,T]$-范数平方的拉普拉斯变换？
• RQ3 该过程 $L^2[0,T]$-范数平方的小偏差与大偏差渐近行为是什么？
• RQ4 协方差算子的谱性质如何影响范数分布及其尾部行为？

主要发现

• 通过 $\nu = \alpha - 1/2$ 的贝塞尔函数 $J_{\nu}$ 与 $Y_{\nu}$ 构造出的特征函数，显式构建了 $\alpha$-Ornstein-Uhlenbeck 桥的 Karhunen-Loève 展开，其形式为独立同分布标准正态变量的级数表示。
• 利用谱分解与贝塞尔函数性质，显式计算出 $X^{(\alpha)}$ 的 $L^2[0,T]$-范数平方的拉普拉斯变换。
• 当 $\alpha \geq 1/2$ 时，小偏差概率满足 $\mathsf{P}\left(\|X^{(\alpha)}\|_{L^2}^2 \leq \varepsilon\right) \sim \frac{2^{\frac{3}{2}-\nu}\pi^{-1/4}}{\sqrt{\Gamma(1+\nu)}T^{1/2-\nu}} \varepsilon^{\frac{1}{4}-\frac{\nu}{2}} \mathrm{e}^{-\frac{T^2}{8\varepsilon}}$，当 $\varepsilon \downarrow 0$ 时，显示出指数衰减。
• 大偏差概率的行为为 $\mathsf{P}\left(\|X^{(\alpha)}\|_{L^2}^2 \geq x\right) \sim \frac{1}{\sqrt{2\pi}} \frac{1}{\sqrt{x}} \mathrm{e}^{-\frac{T^2}{8x}}$，当 $x \to \infty$ 时，表明尾部衰减具有高斯型特征。
• 协方差算子的特征值被证明在 $n$ 较大时满足 $\lambda_n \sim \frac{1}{n^2}$，与底层积分算子的谱性质一致。
• 利用贝塞尔函数零点 $z_k^{(\nu)} \sim \left(k + \frac{1}{2}(\nu - \frac{1}{2})\right)\pi$ 的渐近行为，精确推导出小偏差速率，验证了指数衰减结构。