Symbolic Weak-form Recovery of 2-D Stochastic Generators

Résumé Technique : Récupération Symbolique de la Forme Faible de Générateurs Stochastiques en 2-D

Énoncé du Problème
Le document traite du problème inverse de la reconstruction du générateur infinitésimal d'une diffusion d'Itô bidimensionnelle à partir de données de trajectoires échantillonnées discrètement. Le générateur $L$ est défini par un vecteur de dérive $b(x)$ et un tenseur de diffusion $a(x) = \sigma(x)\sigma(x)^\top$. Bien que des méthodes de récupération unidimensionnelles existent, l'extension à deux dimensions présente trois défis structurels spécifiques :

1. Mauvais conditionnement : Les matrices de conception construites à partir de monômes bivariés bruts sur des nuages d'états aux échelles disparates (ex: prix logarithmique vs variance) sont sévèrement mal conditionnées.
2. Inefficacité statistique : Les incréments de dérive présentent de faibles rapports signal sur bruit, et les équations normales non pondérées ne tiennent pas compte du bruit hétéroscédastique à travers les différentes régions de l'espace d'états.
3. Semi-positivité (PSD) : La régression non contrainte des entrées du tenseur ($a_{11}, a_{12}, a_{22}$) ne garantit pas que la matrice récupérée soit une covariance valide (PSD), ce qui est essentiel pour l'interprétation physique et le calcul de levier.

Méthodologie : WG-SINDy
Les auteurs proposent l'estimateur WG-SINDy, une approche par noyau spatial de forme faible qui étend le cadre 1D d'Eshwar et Honnavar [3] aux systèmes 2D couplés et non diagonaux. La méthode évite l'estimation directe des dérivées en projetant les incréments sur des fonctions de test spatiales. L'implémentation repose sur un lisseur de nuage complet dépendant des données plutôt que sur des poids fixes, ce qui signifie que l'annulation exacte du martingale en échantillon fini n'est pas affirmée pour le code publié, bien que cela motive l'identité au niveau de la population.

L'algorithme intègre six mécanismes clés pour répondre aux défis 2D :

1. Standardisation et Noyaux Anisotropes : Les états sont standardisés pour éliminer la disparité d'échelle des axes. Les noyaux spatiaux sont construits à l'aide de bandes passantes de forme de covariance (anisotropes) plutôt qu'isotropes, s'adaptant à la structure de covariance résiduelle du nuage standardisé.
2. Projection Polynomiale Locale d'Ordre 2 : Pour éliminer le biais de bord du premier ordre inhérent aux estimateurs de Nadaraya–Watson, la méthode emploie un ajustement polynomial local (base quadratique) à chaque centre de noyau.
3. Moindres Carrés Généralisés Faisables (GLS) : Un passage GLS diagonal par composante répondifie l'estimation de la dérive. Les lignes centrées dans des régions de haute diffusion sont dépondéréesées sur la base d'une première estimation de la diffusion pour stabiliser la solution contre le bruit hétéroscédastique.
4. Épuration Adaptative : La méthode utilise l'Adaptive-LASSO avec des poids dérivés d'une estimation Ridge initiale, suivi d'un débiaisage par OLS et d'un élagage par Moindres Carrés Séquentiellement Seuilés (STLSQ) pour imposer la parcimonie dans la bibliothèque symbolique.
5. Lecture Cholesky PSD : Pour garantir que le tenseur de diffusion est physiquement valide, la méthode ne régresse pas directement $a_{11}, a_{12}, a_{22}$. Au lieu de cela, elle ajuste les entrées non contraintes, les projette point par point sur le cône PSD via le tronquage des valeurs propres, calcule les facteurs de Cholesky ($\ell_{11}, \ell_{21}, \ell_{22}$), puis régresse ces facteurs contre la bibliothèque. Le tenseur final est reconstruit comme $\hat{a} = \hat{L}\hat{L}^\top$, garantissant $\hat{a} \succeq 0$.
6. Agrégation Multi-Trajectoires : Les trajectoires indépendantes sont agrégées en empilant les lignes faibles pour améliorer la couverture et l'efficacité de l'échantillonnage.

Contributions Clés

• Extension Algorithmique : Le premier estimateur de forme faible capable de récupérer le générateur 2D complet (à la fois les deux composantes de dérive et les trois entrées de tenseur indépendantes) de manière symbolique, en gérant la diffusion non diagonale.
• Garanties Structurelles : Le mécanisme de lecture Cholesky garantit que le tenseur de diffusion récupéré est semi-positif défini par construction, une exigence critique souvent violée par la régression naïve.
• Analyse d'Ablation : Le papier isole les contributions de l'agrégation, du GLS faisable et du lissage polynomial local comme les principaux moteurs de la performance dans le domaine de validité, tout en identifiant la récupération Cholesky et l'épuration adaptative comme essentielles pour la validité structurelle et la protection des régimes de stress.
• Définition du Périmètre : Les auteurs définissent explicitement les limites de leurs affirmations, distinguant les systèmes identifiables (où la bibliothèque couvre le générateur réel et les données couvrent l'espace d'états) des "limites honnêtes" où la récupération échoue en raison d'un faible rapport signal sur bruit, de tenseurs quasi-singuliers ou d'une couverture insuffisante.

Résultats
L'estimateur a été évalué sur 29 systèmes synthétiques en deux dimensions, incluant des modèles linéaires (Ornstein–Uhlenbeck), rotationnels, bistables, multiplicatifs et financiers (Heston, SABR).

• Performance : 19 systèmes ont respecté leurs contrats de récupération prédéclarés (PASS). Pour ceux-ci, la médiane de la métrique de dérive de la grille centrale était de 0,204, et l'erreur médiane du tenseur était de 0,0397. Pour les systèmes avec des cibles hors-diagonale non dégénérées, la médiane de la similitude cosinus pour $a_{12}$ était de 0,997.
• Validité : Le tenseur récupéré était semi-positif défini à tous les points de la grille par construction.
• Modes d'Échec : Le document rapporte explicitement 8 cas de "limites nommées" et 2 revues de périmètre où la récupération a échoué ou a été incomplète. Ces échecs correspondent à des limitations physiques ou de données spécifiques : tenseurs quasi-singuliers, concentration aux frontières, dérives non polynomiales, mauvaise couverture de l'espace d'états ou pas de temps ($\Delta t$) excessivement grands.
• Comparaisons : L'estimateur WG-SINDy a surpassé quatre proxys de référence dans le dépôt (portage 1D naïf, Kramers–Moyal local, Weak-SINDy temporel, et EDMD de générateur) en termes de scores dans le domaine, bien que les auteurs notent que ces comparaisons utilisent des budgets de données inégaux et sont diagnostiques plutôt qu'un classement définitif des méthodes publiées.

Signification et Affirmations
Le papier affirme fournir une méthode robuste de récupération symbolique des générateurs d'Itô en 2D dans un périmètre déclaré d'identifiabilité. Il souligne que les résultats sont des diagnostics synthétiques in-sample et n'établissent pas une récupération universelle ou une applicabilité aux données réelles.

• Les auteurs déclarent explicitement qu'ils ne prétendent pas une annulation du martingale exacte en échantillon fini ou un théorème d'efficacité de GLS faisable pour l'implémentation publiée, car le lisseur est dépendant des données.
• La signification réside dans la démonstration qu'une combinaison de projection de forme faible, de contraintes structurelles (PSD) et de stabilisation de la variance (GLS) peut réussir à récupérer des dynamiques stochastiques couplées là où les extensions naïves des méthodes 1D échouent.
• Ce travail sert de référence pour ce qui est récupérable compte tenu de la qualité des données et des contraintes de la bibliothèque, offrant une "frontière de falsification" où la méthode identifie correctement quand les données sont insuffisantes pour une récupération symbolique.