Constrained Density Estimation via Optimal Transport

Resumen Técnico: Estimación de Densidades con Restricciones mediante Transporte Óptimo

Autores: Yinan Hu y Esteban G. Tabak
Fecha: 24 de febrero de 2026

1. Planteamiento del Problema

El artículo aborda el problema de la estimación de densidades bajo un escenario donde la distribución objetivo (la "medida de destino") no está especificada explícitamente, sino que está definida únicamente por un conjunto de restricciones de expectativa.

• Contexto: En aplicaciones prácticas como la economía, la inferencia estadística y las finanzas, a menudo se conoce una distribución a priori (fuente) $\rho$, pero la distribución objetivo $\mu$ debe satisfacer condiciones específicas (ej. precios de opciones, requisitos nutricionales) que se formulan como valores esperados de ciertas funciones $\{f_k\}$.
• Objetivo: Encontrar la densidad objetivo $\mu$ que minimice la distancia de Wasserstein (transporte óptimo) respecto a la distribución a priori $\rho$, sujeto a las restricciones:
  $$\int_X f_k(y) d\mu = \bar{f}_k, \quad k = 1, \dots, K$$
  donde $\bar{f}_k$ son constantes dadas.
• Desafío: A diferencia de los problemas de transporte óptimo clásicos donde la medida destino es fija, aquí la medida destino es la variable de optimización. Además, las funciones de restricción suelen ser no suaves (ej. funciones indicadoras o RELU), lo que genera soluciones singulares (acumulaciones de masa o huecos) que pueden ser indeseables en modelos reales.

2. Metodología

El marco propuesto se basa en una generalización del problema de transporte óptimo (OT) y contrasta con enfoques basados en la divergencia de Kullback-Leibler (KL).

A. Formulación Teórica (Monge vs. Kantorovich)

• Se define el problema tanto en la formulación de Monge (mapa determinista $T$) como en la de Kantorovich (plan de transporte $\pi$).
• Diferencia clave con KL: Mientras que la minimización de la divergencia KL ("medida vertical") tiende a estirar la densidad a priori verticalmente (creando picos y esquinas afiladas), la minimización de la distancia de Wasserstein ("medida horizontal") mueve la masa horizontalmente.
• Soluciones Analíticas: Para casos unidimensionales con funciones de restricción específicas (funciones indicadoras y funciones RELU), los autores derivan soluciones exactas o semi-exactas.
  • Función Indicadora: La solución OT concentra masa en los bordes del intervalo permitido, mientras que la solución KL recorta y normaliza la densidad.
  • Función RELU: La solución OT implica un desplazamiento horizontal por tramos de la medida a priori, en lugar de una reponderación exponencial como en KL.

B. Mitigación de Artefactos (Restricciones de Suavizado)
Las soluciones óptimas puras a menudo presentan singularidades (masa delta en fronteras o regiones de probabilidad cero). Para mitigar esto, el marco introduce desigualdades de suavizado sobre la densidad estimada $p_\mu$:

1. Límite de acumulación: $\int p_\mu^2(y) dy \leq M_\delta$ (evita concentraciones excesivas).
2. Límite de densidad baja: $\int_D \frac{1}{p_\mu(y)} dy \leq M_0$ (evita regiones con probabilidad cero dentro de un dominio $D$).

C. Algoritmo Numérico (Enfoque Basado en Muestras)
Dado que las soluciones analíticas no son factibles para problemas generales con restricciones de suavizado, se propone un algoritmo numérico basado en muestras:

• Entrada: Muestras $\{x_i\}$ de la distribución a priori $\rho$.
• Salida: Muestras transformadas $\{y_i\}$ que representan la distribución objetivo $\mu$.
• Función de Pérdida: Se minimiza una función objetivo que combina el costo de transporte cuadrático, penalizaciones cuadráticas para las restricciones de igualdad (usando multiplicadores de Lagrange) y funciones de barrera para las desigualdades de suavizado.
• Estrategia de "Annealing" (Recocido): Para manejar la no suavidad de las funciones de restricción (como RELU o indicadoras), se emplea un esquema de recocido. Se comienza con funciones suavizadas ($f^\epsilon_k$) con un parámetro $\epsilon$ grande para garantizar gradientes no nulos. A medida que el algoritmo converge, $\epsilon$ se reduce gradualmente hasta aproximar las funciones originales, evitando que los puntos de muestra se queden "atascados" en regiones de gradiente cero.
• Optimización: Se utiliza descenso de gradiente con búsqueda de línea de retroceso (backtracking line search) para ajustar la tasa de aprendizaje.

3. Contribuciones Clave

1. Nuevo Marco de Transporte Óptimo: Introducción de un modelo de transporte óptimo donde la medida destino es incierta y se determina mediante restricciones de expectativa, generalizando los problemas clásicos.
2. Análisis Comparativo KL vs. OT: Demostración teórica y empírica de que el enfoque OT preserva mejor la estructura geométrica de la distribución (movimiento horizontal) en comparación con el enfoque KL (estiramiento vertical), lo cual es crucial en contextos financieros.
3. Regularización de Artefactos: Desarrollo de desigualdades de suavizado para eliminar las singularidades (acumulaciones y huecos) inherentes a las soluciones de transporte óptimo con restricciones no suaves.
4. Algoritmo Escalable: Propuesta de un algoritmo eficiente basado en muestras y recocido que permite resolver el problema en dimensiones superiores y con restricciones complejas sin necesidad de una forma cerrada para la distribución a priori.

4. Resultados y Validación

Los autores validan el marco mediante ejemplos sintéticos y un estudio de caso en finanzas cuantitativas.

• Ejemplos Sintéticos (1D y 2D):

  • En 1D, se observa que el método OT con suavizado logra distribuciones más naturales que KL, evitando los "picos" artificiales.
  • En 2D (círculos y semiplanos), el método regularizado logra distribuir la masa de manera continua en las fronteras, eliminando las medidas delta puras presentes en la solución no regularizada.

• Estudio de Caso: Finanzas (Precios de Opciones):

  • Escenario: Recuperar la medida de precios de riesgo-neutral de un activo dado el precio de opciones vanillas (restricciones) y una distribución a priori.
  • Aplicación: Usar la medida recuperada para valorar opciones exóticas (Up-and-out, Cash-or-nothing, Asset-or-nothing) cuyo precio de mercado es desconocido.
  • Rendimiento:
    • La medida recuperada mediante el método OT (especialmente la versión suavizada) se aproxima más a la medida de verdad (surrogate) que la estimada mediante KL.
    • En la valoración de opciones exóticas, el método basado en Wasserstein logró los menores errores relativos en 5 de 6 casos de prueba, superando significativamente al método KL y a la distribución a priori.

5. Significado e Impacto

Este trabajo es significativo porque:

• Amplía la aplicabilidad del Transporte Óptimo: Lo lleva más allá de la comparación de distribuciones fijas hacia la estimación de distribuciones bajo incertidumbre y restricciones parciales.
• Mejora la Modelización Financiera: Ofrece una alternativa geométrica superior a los métodos de máxima entropía (KL) para la calibración de modelos de precios de opciones, reduciendo el riesgo de sobreajuste o artefactos no físicos en la distribución subyacente.
• Robustez Numérica: El algoritmo propuesto es robusto frente a restricciones no suaves, un problema común en aplicaciones del mundo real que a menudo requiere aproximaciones o técnicas de suavizado complejas.

En conclusión, el marco propuesto proporciona una herramienta teórica y computacionalmente viable para la estimación de densidades en escenarios donde la información disponible es limitada y se expresa a través de momentos o expectativas, con una aplicación directa y prometedora en la ingeniería financiera y la asignación de recursos bajo incertidumbre.