Symbolic Weak-form Recovery of 2-D Stochastic Generators

Sintesi Tecnica: Recupero Simbolico della Forma Debole di Generatori Stocastici 2-D

Enunciato del Problema
Il documento affronta il problema inverso di ricostruire il generatore infinitesimale di una diffusione di Itô bidimensionale a partire da dati di traiettoria campionati discretamente. Il generatore $L$ è definito da un vettore di drift $b(x)$ e da un tensore di diffusione $a(x) = \sigma(x)\sigma(x)^\top$. Sebbene esistano metodi di recupero monodimensionali, l'estensione al caso bidimensionale presenta tre sfide strutturali specifiche:

1. Ill-conditioning (Cattivo Condizionamento): Le matrici di design costruite su monomi bivariati grezzi su nuvole di stati con scale disparate (ad esempio, log-prezzo vs varianza) sono severamente mal condizionate.
2. Inefficienza Statistica: Gli incrementi del drift presentano bassi rapporti segnale-rumore, e le equazioni normali non pesate non tengono conto del rumore eteroscedastico attraverso le diverse regioni dello spazio degli stati.
3. Semidefinitezza Positiva (PSD): La regressione non vincolata delle voci del tensore ($a_{11}, a_{12}, a_{22}$) non garantisce che la matrice recuperata sia una covarianza valida (PSD), il che è essenziale per l'interpretazione fisica e il calcolo delle leve.

Metodologia: WG-SINDy
Gli autori propongono lo stimatore WG-SINDy, un approccio a kernel spaziale in forma debole che estende il framework 1D di Eshwar e Honnavar [3] a sistemi 2D accoppiati e non diagonali. Il metodo evita la stima diretta delle derivate proiettando gli incrementi su funzioni di test spaziali. L'implementazione si basa su uno smussatore (smoother) full-cloud dipendente dai dati piuttosto che su pesi fissi; sebbene ciò non asserisca la cancellazione esatta del martingala a campione finito per il codice rilasciato, esso ne motiva l'identità a livello di popolazione.

L'algoritmo integra sei meccanismi chiave per affrontare le sfide 2D:

1. Standardizzazione e Kernel Anisotropi: Gli stati sono standardizzati per rimuovere la disparità di scala tra gli assi. I kernel spaziali sono costruiti utilizzando bandwidth a forma di covarianza (anisotropi) anziché isotropi, adattandosi alla struttura di covarianza residua della nuvola standardizzata.
2. Proiezione Polinomiale Locale di Ordine 2: Per eliminare il bias di bordo del primo ordine inerente agli stimatori di Nadaraya–Watson, il metodo impiega un fit polinomiale locale (base quadratica) in ogni centro del kernel.
3. Minimi Quadrati Generalizzati Fattibili (GLS): Un passaggio GLS diagonale per componente ripesa la stima del drift. Le righe centrate in regioni ad alta diffusione vengono de-pesate sulla base di una prima stima della diffusione per stabilizzare la soluzione contro il rumore eteroscedastico.
4. Sparsificazione Adattiva: Il metodo utilizza l'Adaptive-LASSO con pesi derivati da una stima iniziale di tipo ridge, seguito da debiasing OLS e pruning tramite Sequentially Thresholded Least Squares (STLSQ) per imporre la sparsità nella libreria simbolica.
5. Read-Out di Cholesky per la PSD: Per garantire che il tensore di diffusione sia fisicamente valido, il metodo non regredisce direttamente $a_{11}, a_{12}, a_{22}$. Inveve, adatta le voci non vincolate, le proietta puntualmente sul cono PSD tramite clipping degli autovalori, calcola i fattori di Cholesky ($\ell_{11}, \ell_{21}, \ell_{22}$) e successivamente regredisce questi fattori contro la libreria. Il tensore finale è ricostruito come $\hat{a} = \hat{L}\hat{L}^\top$, garantendo che $\hat{a} \succeq 0$.
6. Pooling Multi-Traiettoria: Le traiettorie indipendenti vengono raggruppate (pooling) impilando le righe deboli per migliorare la copertura e l'efficienza del campione.

Contributi Chiave

• Estensione Algoritmica: Il primo stimatore in forma debole capace di recuperare l'intero generatore 2D (sia le componenti del drift che tutte e tre le voci indipendenti del tensore) in modo simbolico, gestendo la diffusione non diagonale.
• Garanzie Strutturali: Il meccanismo di read-out di Cholesky assicura che il tensore di diffusione sia positivo semidefinito per costruzione, un requisito critico spesso violato dalla regressione ingenua.
• Analisi di Ablazione: Il documento isola i contributi del pooling, del GLS fattibile e dello smoothing polinomiale locale come i principali motori delle prestazioni nel dominio di applicazione, identificando al contempo il recupero di Cholesky e la sparsificazione adattiva come essenziali per la validità strutturale e la protezione nei regimi di stress.
• Definizione dello Scope (Ambito): Gli autori definiscono esplicitamente i confini delle loro affermazioni, distinguendo tra sistemi identificabili (dove la libreria copre il vero generatore e i dati coprono lo spazio degli stati) e "limiti onesti" dove il recupero fallisce a causa di basso rapporto segnale-rumore, tensori quasi singolari o copertura insufficiente.

Risultati
Lo stimatore è stato valutato su 29 sistemi sintetici bidimensionali, inclusi modelli lineari (Ornstein–Uhvar), rotazionali, bistabili, moltiplicativi e finanziari (Heston, SABR).

• Performance: 19 sistemi hanno soddisfatto i contratti di recupero predeclarati (PASS). In questi casi, la mediana della metrica del drift sulla griglia centrale era 0.204, e la mediana dell'errore del tensore era 0.0397. Per i sistemi con target off-diagonal non degeneri, la mediana della similarità del coseno per $a_{12}$ era 0.997.
• Validità: Il tensore recuperato era positivo semidefinito in tutti i punti della griglia per costruzione.
• Modalità di Fallimento: Il documento riporta esplicitamente 8 casi di "limite nominato" e 2 revisioni di ambito in cui il recupero è fallito o è stato incompleto. Questi fallimenti corrispondono a specifici limiti fisici o di dati: tensori quasi singolari, concentrazione ai bordi, drift non polinomiali, scarsa copertura dello spazio degli stati o passi temporali ($\Delta t$) eccessivamente grandi.
• Confronti: Lo stimatore WG-SINDy ha superato quattro proxy baseline presenti nel repository (port 1D ingenuo, Kramers–Moyel locale, Weak-SINDy temporale e generator-EDMD) in termini di punteggi nel dominio di applicazione, sebbene gli autori notino che tali confronti utilizzano budget di dati differenti e sono diagnostici piuttosto che un ranking definitivo dei metodi pubblicati.

Significatività e Rivendicazioni
Il documento sostiene di fornire un metodo robusto per il recupero simbolico di generatori di Itô 2D entro un ambito dichiarato di identificabilità. Sottolinea che i risultati sono diagnostici sintetici in-sample e non stabiliscono un recupero universale o l'applicabilità a dati reali.

• Gli autori dichiarano esplicitamente di non rivendicare una cancellazione esatta della martingala a campione finito o un teorema di efficienza per il GLS fattibile per l'implementazione rilasciata, poiché lo smussatore è dipendente dai dati.
• La significatività risiede nel dimostrare che una combinazione di proiezione in forma debole, vincoli strutturali (PSD) e stabilizzazione della varianza (GLş) può recuperare con successo dinamiche stocastiche accoppiate dove le estensioni ingenue di metodi 1D falliscono.
• Il lavoro funge da benchmark per ciò che è recuperabile dati determinati vincoli di qualità dei dati e della libreria, offrendo un "confine di falsificazione" dove il metodo identifica correttamente quando i dati sono insufficienti per il recupero simbolico.