[论文解读] Properties of the Ornstein-Uhlenbeck bridge

Sylvain Corlay|arXiv (Cornell University)|Oct 21, 2013

Stochastic processes and financial applications参考文献 12被引用 9

一句话总结

本文推导了具有通用初始方差和均值回归参数的Ornstein-Uhlenbeck桥的Karhunen-Loève展开，通过广义桥理论建立其规范分解，并将其应用于最优函数量化。关键贡献在于获得了闭式特征函数展开以及量化误差的对数衰减率，$\mathcal{E}_{N}(X)\sim K\log(N)^{-1/2}$，当$N$较大时成立。该结果适用于所有参数情形，包括非确定性初始条件和负均值回归（即均值排斥）。

ABSTRACT

This paper presents a study of the properties of the Ornstein-Uhlenbeck bridge, specifically, we derive its Karhunen-Loève expansion for any value of the initial variance and mean-reversion parameter (or mean-repulsion if negative). We also show that its canonical decomposition can be obtained using some techniques related to generalized bridges. Finally, we present an application to the optimal functional quantization of the Ornstein-Uhlenbeck bridge.

研究动机与目标

• 推导任意初始方差和均值回归参数下Ornstein-Uhlenbeck桥的Karhunen-Loève展开。
• 利用广义桥理论与滤子扩张技术，建立桥过程的规范分解。
• 分析桥过程的最优函数量化，确定二次量化误差的渐近衰减速率。
• 在所有参数情形下，包括负均值回归，提供特征值与特征函数的闭式表达式及数值计算方法。

提出的方法

• 利用SDE解与条件期望，推导在终端值$X_T$条件下的Ornstein-Uhlenbeck桥的协方差函数。
• 将广义桥理论应用于高斯半鞅框架，利用Radon-Nikodym导数与滤子扩张下的条件密度。
• 通过将Karhunen-Loève特征函数的积分方程约化为涉及正切函数的超越方程，求解其特征函数，具体取决于参数情形。
• 根据$\sigma^2$、$\theta$与$\sigma_0^2$之间的关系，将解分为三种情形，并为数值求根提供区间边界。
• 利用正切函数的有理逼近，为根求解算法提供初始猜测，从而实现特征值的高效计算。
• 将Karhunen-Loève分解应用于函数量化，通过截断级数并量化系数的有限维高斯向量。

实验结果

研究问题

• RQ1 对于任意初始方差与均值回归参数，Ornstein-Uhlenbeck桥的闭式Karhunen-Loève展开是什么？
• RQ2 桥过程的规范分解如何从广义桥理论与滤子扩张中推导而出？
• RQ3 随着量化等级数$N$的增加，Ornstein-Uhlenbeck桥的最优二次量化误差的渐近衰减速率如何？
• RQ4 不同参数情形——尤其是$\theta < 0$（均值排斥）——如何影响特征函数与特征值的结构？
• RQ5 能否在所有参数情形下，推导出高效计算特征值与特征函数的数值方法？

主要发现

• Ornstein-Uhlenbeck桥的Karhunen-Loève特征值衰减速率使得最优二次量化误差满足$\mathcal{E}_N(X) \sim K \log(N)^{-1/2}$，当$N \to \infty$时，其中$K > 0$。
• 当$\sigma^2 = \theta\sigma_0^2$时，特征值对应于$\cos(wT) = 0$的解，即$w_n = \frac{n\pi}{T} - \frac{\pi}{2T}$，$n \geq 1$。
• 当$\theta\sigma_0^2 < \sigma^2$时，特征值满足$\left(\sigma^2 - \theta\sigma_0^2\right)\tan(wT) = -\sigma_0^2 w$，解位于区间$\left(\frac{n\pi}{T} - \frac{\pi}{2T}, \frac{n\pi}{T}\right)$，$n \geq 1$，支持数值计算。
• 当$\theta\sigma_0^2 > \sigma^2$时，每个区间$\left(\frac{k\pi}{T}, \frac{k\pi}{T} + \frac{\pi}{2T}\right)$中存在一个特征值解，$k \geq 1$，且当$\sigma_0^2 > \sigma_0^2\theta - \sigma^2$时，在$\left(0, \frac{\pi}{2T}\right)$中存在额外一个解。
• 通过广义桥技术恢复了桥过程的规范分解，与Barczy和Kern的先前结果一致。
• 图2与图3展示了最优量化的数值结果，显示了不同参数集合与$N$值下的收敛模式。