[论文解读] Non-Asymptotic Gaussian Estimates for the Recursive Approximation of the Invariant Measure of a Diffusion

Igor Honoré, Stéphane Menozzi+1 more|arXiv (Cornell University)|May 27, 2016

Stochastic processes and financial applications参考文献 25被引用 3

一句话总结

本文建立了在时间步长递减的递归Euler型方案下，对数扩散过程的不变分布与经验测度之间偏差的非渐近高斯浓度界。推导了可计算的置信区间，并将结果应用于非渐近偏差界，以扩展几乎必然中心极限定理，其条件涉及余边界结构与李雅普诺夫函数。

ABSTRACT

We obtain non-asymptotic Gaussian concentration bounds for the difference between the invariant measure $ν$ of an ergodic Brownian diffusion process and the empirical distribution of an approximating scheme with decreasing time step along a suitable class of (smooth enough) test functions f such that f -- $ν$(f) is a coboundary of the infinitesimal generator. We show that these bounds can still be improved when the (squared) Fr{ö}benius norm of the diffusion coefficient lies in this class. We apply these bounds to design computable non-asymptotic confidence intervals for the approximating scheme. As a theoretical application, we finally derive non-asymptotic deviation bounds for the almost sure Central Limit Theorem.

研究动机与目标

• 推导递归方案经验测度 νₙ 与不变分布 ν 之间差异的非渐近浓度界。
• 在测试函数满足余边界结构的条件下，设计可计算的、非渐近的置信区间，用于该方案经验均值的估计。
• 利用所提出的浓度估计，将几乎必然中心极限定理扩展为具有非渐近偏差界的版本。
• 当扩散系数的平方范数属于与测试函数相同的函数类时，改进相关界。
• 在不依赖常数步长方案带来的偏差前提下，为经验测度收敛到不变分布的收敛速率提供理论保证。

提出的方法

• 作者采用时间步长递减（γₖ）的递归Euler型离散化方法，并使创新项匹配高斯分布的前三阶矩。
• 针对满足 f − ν(f) 为无穷小生成元 A 的余边界的测试函数 f，分析偏差 νₙ(f) − ν(f)。
• 关键技术在于求解泊松方程 Aφ = f − ν(f)，并利用所得的 φ 函数，通过鞅与李雅普诺夫函数论证控制偏差。
• 通过满足 AV ≤ β − αV 的李雅普诺夫函数 V 推导高斯浓度界，其中 α > 0，以保证遍历性与矩有界性。
• 当 |σ∇φ|² 属于与 f − ν(f) 相同的函数类时，进一步优化界，从而获得更紧的方差估计。
• 通过蒙特卡洛模拟进行数值验证，以评估界值的紧致性及置信区间的性能表现。

实验结果

研究问题

• RQ1 能否为递减步长Euler方案经验测度逼近扩散过程不变分布的情形，建立非渐近高斯浓度界？
• RQ2 当扩散系数梯度的平方范数属于与测试函数相同的函数类时，这些界如何改进？
• RQ3 经验测度收敛到不变分布的速率在偏差概率方面如何量化？
• RQ4 所推导的界是否可用于构建可计算的、非渐近的置信区间，以估计方案经验均值？
• RQ5 利用该框架，可为几乎必然中心极限定理推导出哪些非渐近偏差界？

主要发现

• 在余边界条件 f − ν(f) = Aφ 下，建立了 νₙ(f) − ν(f) 的非渐近高斯浓度界，其显式依赖于李雅普诺夫函数与生成元的性质。
• 当 |σ∇φ|² 属于与 f − ν(f) 相同的函数类时，界得到改进，从而获得更紧的方差估计。
• 为经验均值推导出可计算的非渐近置信区间，模拟中 n = 5×10⁴ 时，95% 置信区间的大小为 4.75054×10⁻⁵。
• 获得了几乎必然中心极限定理的理论偏差界，将经典结果扩展至非渐近情形。
• 模拟结果表明，理论界 Sσ(a) = −a²α²/(2[f]₁²) 始终高于经验对数概率曲线 gₙσ(a)，验证了浓度不等式的有效性。
• 该方法避免了常数步长方案带来的偏差，确保 νₙ 几乎必然收敛于 ν，且无需事先知道 ν(f)，其值通过遍历平均进行估计。