Invariant measures of the stochastic theta method for stochastic differential equations with super-linearly growing coefficients

Resumo Técnico: Medidas Invariantes do Método Theta Estocástico para SDEs com Coeficientes de Crescimento Superlinear

Enunciado do Problema
Equações Diferenciais Estocásticas (SDEs) com medidas invariantes são críticas em vários campos, incluindo a dinâmica populacional e modelos de difusão generativa. No entanto, formas explícitas dessas medidas invariantes raramente são obtíveis, necessitando de aproximações numéricas robustas. Um desafio significativo surge quando os coeficientes das SDEs apresentam crescimento superlinear. Embora métodos implícitos como o método de Euler-Maruyama reverso (EM) sejam conhecidos por lidar com tal crescimento, o método theta estocástico (que inclui o EM reverso como um caso especial) não havia sido rigorosamente analisado para medidas invariantes quando ambos os coeficientes de deriva (drift) e difusão exibem crescimento superlinear. Trabalhos anteriores, como Jiang et al. [10], abordaram a deriva superlinear, mas exigiam crescimento linear para o coeficiente de difusão. Este artigo aborda a lacuna na aproximação de medidas invariantes para SDEs onde ambos os coeficientes crescem superlinearmente.

Metodologia
Os autores empregam o método theta estocástico para discretizar a SDE do tipo Itô:
$$dX(t) = b(X(t))dt + g(X(t))dW(t)$$
O esquema numérico é definido como:
$$X_{k+1} = X_k + \theta b(X_{k+1})h + (1 - \theta)b(X_k)h + g(X_k)\Delta W_k$$
onde $\theta \in (1/2, 1]$. A análise baseia-se em três suposições fundamentais relativas aos coeficientes $b$ e $g$:

1. Continuidade de Lipschitz Local com Crescimento Superlinear: Os coeficientes satisfazem uma condição de Lipschitz local com uma taxa de crescimento polinomial $q > 1$.
2. Condição de Monotonicidade: Uma condição de Lipschitz de um lado que garante a estabilidade da diferença entre duas soluções.
3. Condição de Coercividade: Uma condição que garante a existência de uma função de Lyapunov para limitar os momentos da solução.

A estratégia de prova envolve o estabelecimento de dois lemas auxiliares:

• Lema 3.1: Prova a limitação do segundo momento ($E|X_k|^2$) da solução numérica sob a condição de coercividade e uma restrição específica de tamanho de passo.
• Lema 3.2: Demonstra a convergência média quadrática exponencial de duas soluções numéricas partindo de valores iniciais diferentes, estabelecendo a propriedade de contração do método.

Esses lemas são então utilizados para provar a existência e unicidade da medida invariante numérica através da compacidade (tightness) das medidas de probabilidade e da contração na distância $p$-Wasserstein. Finalmente, a convergência da medida invariante numérica para a medida invariante exata é derivada usando a desigualdade triangular, combinando a convergência exponencial do esquema estocástico para sua medida invariante com a taxa de convergência forte do método theta estocástico.

Principais Resultados

1. Existência e Unicidade: O artigo prova que, para SDEs com coeficientes de deriva e difusão de crescimento superlinear, o método theta estocástico gera uma medida invariante numérica única, desde que o tamanho de passo $h$ seja suficientemente pequeno e $\theta > 1/2$.
2. Convergência para a Medida Exata: A medida invariante numérica converge para a medida invariante exata da SDE subjacente na distância $p$-Wasserstein ($p \in (0, 1)$) com uma taxa de convergência de $O(h^{p/2})$.
3. Generalização: Os resultados estendem os achados de Jiang et al. [10] (que exigiam crescimento de difusão linear) para o caso de difusão superlinear. Além disso, como o método EM reverso corresponde a $\theta=1$, estes resultados generalizam os achados de Liu et al. [16] relativos ao método EM reverso para a classe mais ampla de métodos theta estocásticos.

Significância e Alegações
Os autores posicionam este trabalho como uma extensão não trivial da literatura existente. Eles afirmam explicitamente que as técnicas de trabalhos anteriores [10, 16] não podem ser adaptadas diretamente porque o método theta estocástico retém uma parte explícita quando $\theta < 1$, exigindo um tratamento cuidadoso do termo de difusão superlinear. O artigo afirma fornecer uma base teórica rigorosa para o uso do método theta estocástico em simulações de longo prazo de SDEs com coeficientes superlineares, um cenário comum em modelos físicos e biológicos complexos.

Validação Numérica
Dois exemplos numéricos são fornecidos para ilustrar os resultados teóricos:

• Exemplo 4.1: Um modelo escalar de reversão à média com deriva superlinear ($x^3$) e difusão ($x^2$). As simulações mostram as funções de densidade empírica estabilizando ao longo do tempo e tornando-se indistinguíveis independentemente dos valores iniciais, apoiando a existência e unicidade da medida invariante.
• Exemplo 4.2: Um sistema SDE bidimensional com coeficientes superlineares. Os resultados demonstram a estabilidade de longo prazo do método e a concentração das trajetórias das amostras próximas à área de equilíbrio, validando ainda mais a convergência para uma medida invariante.

Direções Futuras
O artigo conclui observando que a análise atual depende de segundos momentos, o que impõe um requisito de coeficiente negativo no termo linear da deriva. Os autores sugerem que pesquisas futuras poderiam explorar o uso de $p$-ésimos momentos para $p \in (0, 1)$ para relaxar estas condições. Adicionalmente, propõem investigar o método theta estocástico para SDEs com alternância de estado dependente (state-dependent switching), o que poderia auxiliar na amostragem de distribuições de mistura finitas relevantes para o aprendizado de máquina.