[论文解读] Weak approximations for Weiner functionals

Ohashi, Alberto|arXiv (Cornell University)|Jan 1, 2013

Stochastic processes and financial applications参考文献 36被引用 27

一句话总结

本文提出了一种在维纳空间上的新型空间-滤子离散化方案，构建了一个稳健、显式且数值上可行的通用维纳泛函的半鞅骨架，实现了无需依赖马尔可夫性或麦尔维纳光滑性假设的弱逼近。关键贡献在于，通过一系列离散跳跃滤子和布朗运动的首 hitting 时间，提出了一种完全可实施的克拉克-奥孔内公式与非马尔可夫设定下最优停时的模拟方法，例如分数布朗运动的情形。

ABSTRACT

In this paper we introduce a simple space-filtration discretization scheme on Wiener space which allows us to study weak decompositions and smooth explicit approximations for a large class of Wiener functionals. We show that any Wiener functional has an underlying robust semimartingale skeleton which under mild conditions converges to it. The discretization is given in terms of discrete-jumping filtrations which allow us to approximate nonsmooth processes by means of a stochastic derivative operator on the Wiener space. As a by-product, we provide a robust semimartingale approximation for weak Dirichlet-type processes. The underlying semimartingale skeleton is intrinsically constructed in such way that all the relevant structure is amenable to a robust numerical scheme. In order to illustrate the results, we provide an easily implementable approximation scheme for the classical Clark–Ocone formula in full generality. Unlike in previous works, our methodology does not assume an underlying Markovian structure and does not require Malliavin weights. We conclude by proposing a method that enables us to compute optimal stopping times for possibly non-Markovian systems arising, for example, from the fractional Brownian motion.

研究动机与目标

• 开发一种适用于不具马尔可夫性或麦尔维纳光滑性假设的通用、显式且数值上可行的维纳泛函逼近方案。
• 通过基于空间与滤子的离散化方法，利用布朗运动的首 hitting 时间，构建一个稳健的半鞅骨架。
• 为适用于任意平方可积终端变量的克拉克-奥孔内公式提供一种完全可实施的模拟方法。
• 将该方法扩展至真正非马尔可夫系统中的最优停时问题，例如由分数布朗运动驱动的情形。

提出的方法

• 引入一种基于停止时间序列 $T_n^k = \inf\{t > T_{n-1}^k : |B_t - B_{T_{n-1}^k}| = 2^{-k}\}$ 的空间-滤子离散化，诱导出离散时间滤子 $\mathcal{G}_n^k$。
• 定义逼近过程 $\delta^k X_t = X_0 + \sum_{n=1}^\infty \mathbb{E}[X_{T_n^k} \mid \mathcal{G}_n^k] \mathbf{1}_{\{T_n^k \leq t < T_{n+1}^k\}}$，形成一个稳健的半鞅骨架。
• 使用随机比 $\frac{\mathbb{E}[Y \mid \mathcal{G}_n^k] - \mathbb{E}[Y \mid \mathcal{G}_{n-1}^k]}{B_{T_n^k} - B_{T_{n-1}^k}}$ 作为克拉克-奥孔内公式中麦尔维纳导数 $\mathbb{E}[D_s Y \mid \mathcal{F}_s]$ 的显式逼近。
• 在离散化滤子 $\mathcal{G}_n^k$ 上应用动态规划，以计算 $\mathcal{F}$-停时，最优停时通过 $\delta^k X$ 的斯内尔上确界反向归纳定义。
• 利用伏尔泰拉表示 $A^{k,H}_t = \int_0^t K(t,s) dA^k_s$ 从标准布朗运动模拟分数布朗运动。
• 通过独立同分布的首 hitting 时间增量 $(T_n^k - T_{n-1}^k, \sigma_n^k)$ 的蒙特卡洛模拟，近似动态规划步骤中的条件期望。

实验结果

研究问题

• RQ1 能否在不假设马尔可夫性或麦尔维纳光滑性的情况下，为一般维纳泛函构造一个稳健、显式且数值上可行的半鞅逼近？
• RQ2 能否使用一种不依赖麦尔维纳权重的方法，对任意 $L^2(\mathcal{F}_T)$-随机变量实现克拉克-奥孔内公式的模拟？
• RQ3 能否通过保持底层结构的离散化方案，在真正非马尔可夫系统（如分数布朗运动驱动的系统）中计算最优停时？
• RQ4 当底层过程为非马尔可夫且缺乏马尔可夫时齐结构时，如何高效模拟动态规划中条件期望？

主要发现

• 在温和条件下，当 $k \to \infty$ 时，所提出的离散化方案 $\delta^k X$ 在 $B^2$-拓扑下弱收敛于原始维纳泛函 $X$。
• 随机比 $\frac{\mathbb{E}[Y \mid \mathcal{G}_n^k] - \mathbb{E}[Y \mid \mathcal{G}_{n-1}^k]}{B_{T_n^k} - B_{T_{n-1}^k}}$ 在适当拓扑下收敛于麦尔维纳导数 $\mathbb{E}[D_s Y \mid \mathcal{F}_s]$，从而实现完全可实施的克拉克-奥孔内公式。
• 对任意 $\varepsilon > 0$，当 $k$ 足够大时，存在一个 $(k,0)$-最优停时 $\tau^{k,\star}$，且其对原问题为 $\varepsilon$-最优。
• 基于 $\delta^k X$ 和滤子 $\mathcal{G}_n^k$ 的动态规划算法，可实现对非马尔可夫系统（如分数布朗运动）中价值函数与最优停时的模拟。
• 该方法稳健，无需密度假设或高级麦尔维纳分析，适用于广泛非光滑与非马尔可夫泛函。
• 通过独立同分布增量 $(T_n^k - T_{n-1}^k, \sigma_n^k)$ 的蒙特卡洛模拟以及分数布朗运动的伏尔泰拉表示，可在动态规划步骤中实现条件期望的数值逼近。