Cylindrical Projections of Occupied Diffusions

1. Formulação do Problema

O artigo aborda a intratabilidade computacional da simulação de Difusões Ocupadas, uma classe de processos estocásticos dependentes do caminho. Esses processos são modelados por Equações Diferenciais Estocásticas (EDEs) onde os coeficientes dependem da medida de ocupação da história do processo.

As dinâmicas são dadas por:
$$\begin{cases} d O_t = \delta_{X_t} \lambda(O_t, X_t) dt \\ d X_t = b(O_t, X_t) dt + \sigma(O_t, X_t) dW_t \end{cases}$$
onde:

• $X_t \in \mathbb{R}^d$ é o processo de estado.
• $O_t$ é uma medida finita em $\mathbb{R}^d$ representando o tempo gasto pelo processo em várias regiões (o fluxo de ocupação).
• A dependência dos coeficientes ($b, \sigma, \lambda$) em relação a $O_t$ introduz uma dependência de caminho de dimensão infinita.

O Desafio Central: Embora o sistema seja markoviano no espaço produto de medidas e espaço euclidiano ($\mathcal{M}(\mathbb{R}^d) \times \mathbb{R}^d$), o espaço de estados é de dimensão infinita. A simulação direta é impossível porque não é possível armazenar ou atualizar a medida completa $O_t$ a cada passo de tempo. Os métodos existentes lutam para aproximar esse objeto de dimensão infinita enquanto controlam o erro.

2. Metodologia: Projeções Cilíndricas

Os autores propõem um método de aproximação numérica chamado Projeções Cilíndricas para reduzir a medida de ocupação de dimensão infinita a um sistema de dimensão finita.

A. Estrutura Cilíndrica

O método baseia-se na identificação de uma medida finita $o$ com uma sequência de suas integrais contra uma família enumerável de funções teste $(f_k)_{k \in \mathbb{N}}$.

• Norma Cilíndrica: Uma norma é definida no espaço de medidas usando uma família separadora de funções $(g_j)$:
  $$\|o\| := \left( \sum_{j=0}^\infty |o(g_j)|^2 \right)^{1/2}$$
• Projeção: Para um nível de truncamento $K$, a medida de ocupação $O_t$ é projetada em um vetor de dimensão finita $Z_t^K \in \mathbb{R}^{N_K+1}$:
  $$Z_t^K := (O_t(f_0), \dots, O_t(f_{N_K}))$$
  onde $(f_k^K)$ é uma partição da unidade subordinada a uma cobertura do espaço de estados.

B. O Sistema Aproximado

A EDE original é aproximada por um sistema de dimensão finita $(X_t^K, Z_t^K)$:
$$\begin{cases} d Z_t^K = f^K(X_t^K) \lambda^K(Z_t^K, X_t^K) dt \\ d X_t^K = b^K(Z_t^K, X_t^K) dt + \sigma^K(Z_t^K, X_t^K) dW_t \end{cases}$$
Aqui, os coeficientes são "elevados" de volta ao espaço de medidas através de um operador de reconstrução $o^K(z) = \sum z_k \delta_{x_k}$. Isso transforma o problema em uma EDE padrão de dimensão finita que pode ser simulada usando esquemas padrão como Euler–Maruyama.

3. Contribuições Principais

1. Estrutura Teórica: Introdução das projeções cilíndricas como uma ferramenta rigorosa para aproximar dinâmicas dependentes do caminho impulsionadas por medidas de ocupação.
2. Taxas de Convergência Forte: Os autores provam que a aproximação converge fortemente para o processo verdadeiro. Especificamente, para um horizonte de tempo fixo $T$:
   $$\mathbb{E}\left[ \sup_{0 \le t \le T} |X_t - X_t^K|^2 \right]^{1/2} \le \frac{C}{K}$$
   Isso estabelece uma taxa de convergência linear em relação ao nível de truncamento $K$.
3. Análise de Erro Fraco: O artigo estende a análise para convergência fraca (esperanças de funcionais), mostrando que para funcionais Lipschitz $\phi$:
   $$|\mathbb{E}[\phi(O_T, X_T)] - \mathbb{E}[\phi(o^K(Z_T^K), X_T^K)]| \le \frac{C}{K}$$
   Isso é crucial para a precificação de derivativos financeiros.
4. Tratamento de Coeficientes Ilimitados: Os autores abordam casos onde os coeficientes podem crescer linearmente (condição Lipschitz) usando técnicas de localização (tempos de parada) e derivando taxas de convergência que dependem de fatores logarítmicos se o crescimento for ilimitado.

4. Resultados Numéricos e Exemplos

O método é validado através de simulações Euler–Maruyama em três exemplos distintos:

• Difusão Auto-Atraente de Cranston–Le Jan:
  • Um processo atraído pela sua própria média móvel.
  • Existe uma solução forte explícita, permitindo comparação direta de erros.
  • Resultado: O erro numérico diminui linearmente com $K$, confirmando a taxa teórica $O(1/K)$.
• Difusão Auto-Interagente de Raimond:
  • Uma difusão multidimensional onde o desvio depende da direção das posições passadas.
  • Como não existe solução explícita, o método compara a projeção contra uma referência de alta resolução ($K=75$).
  • Resultado: A convergência é observada, limitada apenas pelo ruído de amostragem e erro de discretização.
• Modelo de Volatilidade Ocupada Local (LOV):
  • Um modelo financeiro onde a volatilidade depende do fluxo de ocupação exponencial no tempo.
  • Resultado: O método simula com sucesso a volatilidade dependente do caminho, demonstrando aplicabilidade a derivativos financeiros complexos.

5. Significado e Aplicações

• Viabilidade Computacional: O artigo fornece o primeiro método prático e computacionalmente tratável para simular difusões ocupadas gerais, que anteriormente eram consideradas intratáveis devido à dimensionalidade infinita.
• Precificação de Derivativos Financeiros: A análise de erro fraco apoia diretamente o uso de métodos de Monte Carlo para a precificação de opções dependentes do caminho (por exemplo, opções asiáticas) em modelos com volatilidade dependente do caminho (LOV).
• Generalizabilidade: A abordagem de projeção cilíndrica é versátil e pode ser aplicada a outros processos com valores em medidas, incluindo dinâmicas do tipo McKean-Vlasov e sistemas com interações atrasadas.
• Eficiência: Ao contrário de EDEs dependentes do caminho gerais onde a dimensão do estado cresce com os passos de tempo, a projeção cilíndrica mantém uma dimensão finita fixa $K$, oferecendo vantagens significativas de armazenamento e computação.

Conclusão

Tissot-Daguette e Zhang conectam com sucesso a lacuna entre a existência teórica das difusões ocupadas e sua simulação prática. Ao introduzir projeções cilíndricas, eles reduzem um problema de dimensão infinita a um de dimensão finita com limites de erro rigorosos ($O(1/K)$), permitindo a simulação de sistemas complexos auto-interagentes e a precificação de derivativos financeiros sofisticados.