[论文解读] Multi-martingale optimal transport

Tongseok Lim|arXiv (Cornell University)|Nov 4, 2016

Geometric Analysis and Curvature Flows参考文献 1被引用 8

一句话总结

该论文将单鞅最优传输的对偶理论扩展至具有d个R^d上底层鞅的多鞅设定，采用耦合成本泛函。通过证明最优鞅测度的条件分布集中在R^d中的极值集上，刻画了其解空间的几何结构。

ABSTRACT

Beiglbock-Juillet, Beiglbock-Nutz-Touzi showed that the duality is attained in a suitable sense for the martingale optimal transport problem on the real line, that is, when there is one underlying martingale process. We generalize the duality result to the setting of $d$-underlying martingales which are coupled through a cost functional on $\mathbb{R}^d$. We then exploit the duality to characterize the geometry of the support of the optimal martingale measures. In particular, we show that their conditional distributions are supported on certain extremal sets on $\mathbb{R}^d$.

研究动机与目标

• 将Beiglboeck-Juillet与Beiglboeck-Nutz-Touzi在单维情形下的对偶结果推广至多维鞅最优传输。
• 分析多鞅设定下最优鞅测度支撑的几何结构。
• 刻画最优测度的条件分布，表明其支撑于R^d中的特定极值集上。
• 建立理解高维中成本泛函与鞅约束之间相互作用的框架。

提出的方法

• 通过定义在R^d上的成本泛函，将单鞅过程的对偶框架推广至R^d上的多鞅过程。
• 运用最优传输与鞅理论的技术，推导多鞅传输问题的对偶形式。
• 识别支撑最优鞅测度条件分布的R^d中的极值集。
• 利用对偶性分析鞅过程联合分布支撑的几何约束。
• 应用变分法与凸分析工具，证明最优解的存在性及其结构。
• 通过成本与鞅约束导出的几何与概率条件，刻画支撑集的极值性。

实验结果

研究问题

• RQ1 如何将鞅最优传输中的对偶性从一维扩展至R^d中d个底层鞅的情形？
• RQ2 在多鞅设定下，最优鞅测度的支撑具有何种几何特性？
• RQ3 最优测度的条件分布与R^d中的极值集有何关系？
• RQ4 定义在R^d上的成本泛函在塑造最优传输计划结构方面发挥何种作用？
• RQ5 能否基于鞅约束与运输约束刻画支撑集的极值性？

主要发现

• 在R^d上建立了多鞅最优传输的对偶性，将先前在一维情形下的结果推广。
• 最优鞅测度的条件分布支撑于R^d中的特定极值集上。
• 这些极值集的结构由成本泛函与鞅约束之间的相互作用决定。
• 最优测度的支撑集中在相对于鞅与运输条件为最小的集合上。
• 对支撑的刻画为多鞅传输问题解空间提供了几何理解。
• 结果将已知的一维情形下的极值结构推广至高维情形。