Bicausal optimal transport for SDEs with irregular coefficients

Sintesi Tecnica: Trasporto Ottimo Bicausale per SDE con Coefficienti Irregolari

Definizione del Problema
Il documento affronta la sfida di quantificare l'incertezza del modello in sistemi stocastici descritti da Equazioni Differenziali Stocastiche (SDE). Nello specifico, mira a calcolare la distanza tra le leggi di due SDE, che possiedono potenzialmente coefficienti irregolari (ad esempio, drift discontinui o a crescita esponenziale, diffusione non-Lipschitziana). Mentre la classica distanza di Wasserstein metrizza la topologia debole delle misure di probabilità, essa non riesce a catturare la struttura dell'informazione (filtraggio) inerente ai processi stocastici. Questa limitazione la rende inadatta al confronto tra modelli in contesti come la finanza matematica o la biologia, dove le decisioni dipendono dal flusso di informazione. Gli autori si concentrano sulla distanza di Wasserstein adattata ($AW_p$), che deriva da un problema di trasporto ottimo bicausale. In questo framework, i legami (coupling) devono rispettare la struttura causale dei processi, garantendo che il futuro di un processo sia condizionalmente indipendente dal passato dell'altro.

Metodologia
Gli autori sviluppano una metodologia che unisce la teoria del trasporto ottimo e l'analisi numerica delle SDE. La strategia centrale consiste nel dimostrare che il legame sincrono (synchronous coupling) — la legge congiunta di due SDE guidate da un comune moto browniano — è il piano di trasporto ottimo per la distanza di Wasserstein adattata sotto specifiche e minimali assunzioni di regolarità.

Per stabilire questa ottimalità per coefficienti irregolari, il documento impiega due distinti approcci basati su trasformazioni, corrispondenti a due classi di irregolarità:

1. Drift Discontinuo e a Crescita Esponenziale:

   • Trasformazione: Gli autori utilizzano una trasformazione spaziale $G$ (basata su Leobacher e Szölgyenyi) per rimuovere le discontinuità nel coefficiente di drift. Questa mappa l'SDE originale in un'SDE trasformata con coefficienti continui.
   • Schema Numerico: Introducono uno schema di Euler–Maruyama semi-implicito basato su trasformazione. Questo schema è progettato per essere stocasticamente monotono, una proprietà cruciale per stabilire l'ottimalità tramite la riorganizzazione di Knothe–Rosenblatt.
   • Convergenza: Il documento stabilisce il primo risultato di convergenza forte per SDE con drift che è sia discontinuo che a crescita esponenziale. Lo schema è dimostrato convergere fortemente con tassi noti.

2. Drift Misurabile Limitato e Diffusione Hölder Continua:

   • Trasformazione: Gli autori applicano la trasformazione di Zvonkin, che rimuove interamente il termine di drift, convertendo l'SDE in una guidata unicamente da un coefficiente di diffusione trasformato.
   • Trasferimento dell'Ottimalità: Dimostrano che la trasformazione di Zvonkin preserva la proprietà di ottimalità del legame sincrono. Poiché i coefficienti trasformati sono sufficientemente regolari, i risultati di ottimalità esistenti sono applicabili, e il risultato viene trasferito all'SDE originale.

Contributi Chiave e Risultati

• Ottimalità del Legame Sincrono: Il principale contributo teorico è dimostrare che il legame sincrono raggiunge la distanza di Wasserstein adattata per SDE con:

  • Drift discontinuo con crescita esponenziale e diffusione degenere (a condizione che la diffusione sia non nulla nei punti di discontinuità).
  • Drift misurabile limitato e diffusione $\alpha$-Hölder continua ($\alpha \in [1/2, 1]$).
  • Questo generalizza i risultati precedenti che erano limitati a coefficienti globalmente Lipschitziani o limitati.

• Convergenza Numerica:

  • Il documento fornisce un nuovo risultato di convergenza forte per uno schema di Euler–Maruyama semi-implicito basato su trasformazione applicato a SDE con drift discontinuo ed esponenzialmente crescente.
  • Per $p \in [1, 2]$, lo schema ottiene un tasso di convergenza forte $L^p$ di $1/2$. Per $p > 2$, il tasso è $1/(p(p-1))$.
  • Questo risultato colma una lacuna nella letteratura, poiché i metodi esistenti per tali coefficienti irregolari spesso mancavano di vincoli di momento uniformi nel tempo o di garanzie di convergenza forte.

• Efficienza Computazionale:

  • Gli autori mostrano che il calcolo della distanza di Wasserstein adattata si riduce alla simulazione di due SDE monodimensionali guidate dallo stesso moto browniano e all'applicazione di metodi Monte Carlo (o Multi-level Monte Carlo).
  • Questo approccio evita l'intrattabilità computazionale spesso associata ai problemi generali di trasporto ottimo, dove il legame ottimo è sconosciuto.

• Controesempi e Limitazioni:

  • Il documento chiarisce che l'ottimalità del legame sincrono non si estende a tutti gli ambiti. Nello specifico, fornisce un controesempio che mostra come, per SDE con diffusione non-Lipschitziana (Hölder continua), lo schema di Euler–Maruyama monotono fallisca nell'essere stocasticamente monotono.
  • Inoltre, dimostra che sostituire la dominanza stocastica del primo ordine con la dominanza stocastica del secondo ordine nella definizione di co-monotonicità è insufficiente per garantire l'ottimalità della riorganizzazione di Knothe–Rosenblatt.

Significato e Applicazioni
Il documento sostiene che i suoi risultati forniscono un metodo computazionalmente efficiente per quantificare l'incertezza del modello nei problemi di ottimizzazione stocastica. Stabilendo l'ottimalità del legame sincrono sotto assunzioni di regolarità minima, gli autori rendono possibile il calcolo pratico della distanza di Wasserstein adattata per una vasta classe di SDE che prima erano intrattabili.

Le applicazioni specifiche evidenziate includono:

• Ottimizzazione Stocastica Robusta: La distanza di Wasserstein adattata funge da metrica per l'incertezza del modello. Il documento prova che i problemi di arresto ottimale sono Lipschitz continui rispetto a questa distanza. Ciò consente la derivazione di limiti robusti sul valore dei problemi di arresto ottimale (ad esempio, opzioni asiatiche di tipo americano) sotto diverse misure di probabilità.
• Esempi Numerici: Gli autori validano i loro risultati teorici con esperimenti numerici su SDE con drift discontinuo e il modello di Cox–Ingersoll–Ross (CIR), dimostrando la convergenza della distanza di Wasserstein adattata verso la dimensione di perturbazione dei coefficienti.

In sintesi, il lavoro unifica il trasporto ottimo e l'analisi numerica delle SDE per risolvere un problema di trasporto vincolato, offrendo uno strumento rigoroso ed efficiente per confrontare modelli stocastici con coefficienti irregolari.