Symbolic Weak-form Recovery of 2-D Stochastic Generators

Resumo Técnico: Recuperação Simbólica de Forma Fraca de Geradores Estocásticos 2-D

Enunciado do Problema
O artigo aborda o problema inverso de reconstruir o gerador infinitesimal de uma difusão de Itô bidimensional a partir de dados de trajetórias amostrados discretamente. O gerador $L$ é definido por um vetor de deriva $b(x)$ e um tensor de difusão $a(x) = \sigma(x)\sigma(x)^\top$. Embora existam métodos de recuperação unidimensionais, a extensão para duas dimensões apresenta três desafios estruturais específicos:

1. Mal-condicionamento: Matrizes de design construídas a partir de monômios bivariados brutos sobre nuvens de estados com escalas díspares (ex: log-preço vs. variância) são severamente mal-condicionadas.
2. Ineficiência Estatística: Os incrementos da deriva possuem baixas relações sinal-ruído, e equações normais não ponderadas falham em considerar o ruído heterocedástico através de diferentes regiões do espaço de estados.
3. Semidefinição Positiva (PSD): A regressão não restrita das entradas do tensor ($a_{11}, a_{12}, a_{22}$) não garante que a matriz recuperada seja uma covariância válida (PSD), o que é essencial para a interpretação física e cálculos de alavancagem.

Metodologia: WG-SINDy
Os autores propõem o estimador WG-SINDy, uma abordagem de núcleo espacial de forma fraca que estende o framework 1D de Eshwar e Honnavar [3] para sistemas 2D acoplados e não diagonais. O método evita a estimativa direta de derivadas ao projetar incrementos sobre funções de teste espaciais. A implementação baseia-se em um suavizador de nuvem total dependente dos dados em vez de pesos fixos, o que significa que o cancelamento de martingales exato em amostras finitas não é assertivo para o código liberado, embora isso motive a identidade no nível da população.

O algoritmo integra seis mecanismos principais para abordar os desafios 2D:

1. Padronização e Núcleos Anisotrópicos: Os estados são padronizados para remover a disparidade de escala de eixos. Os núcleos espaciais são construídos usando larguras de banda com formato de covariância (anisotrópicos), em vez de isotrópicos, adaptando-se à estrutura de covariância residual da nuvem padronizada.
2. Projeção de Polinômio Local de Ordem-2: Para eliminar o viés de fronteira de primeira ordem inerente aos estimadores de Nadaraya–Watson, o método emprega um ajuste polinomial local (base quadrática) em cada centro de núcleo.
3. Mínimos Quadrados Generalizados de Forma Viável (GLS): Uma passagem de GLS diagonal por componente repondera a estimativa da deriva. Linhas centradas em regiões de alta difusão são penalizadas com base em uma primeira estimativa de difusão para estabilizar a solução contra o ruído heterocedástico.
4. Esparsificação Adaptativa: O método utiliza Adaptive-LASSO com pesos derivados de uma estimativa inicial de Ridge, seguido de debias de OLS e poda por Sequentially Thresholded Least Squares (STLSQ) para impor esparsidade na biblioteca simbólica.
5. Leitura de Cholesky PSD: Para garantir que o tensor de difusão seja fisicamente válido, o método não regride $a_{11}, a_{12}, a_{22}$ diretamente. Em vez disso, ele ajusta entradas não restritas, projeta-as ponto a ponto para o cone PSD via clipping de autovalores, computa os fatores de Cholesky ($\ell_{11}, \ell_{21}, \ell_{22}$) e então regride esses fatores contra a biblioteca. O tensor final é reconstruído como $\hat{a} = \hat{L}\hat{L}^\top$, garantindo $\hat{a} \succeq 0$.
6. Agrupamento de Múltiplas Trajetórias: Trajetórias independentes são agrupadas empilhando linhas fracas para melhorar a cobertura e a eficiência de amostragem.

Principais Contribuições

• Extensão Algorítmica: O primeiro estimador de forma fraca capaz de recuperar o gerador 2D completo (ambos os componentes de deriva e todas as três entradas de tensor independentes) simbolicamente, lidando com difusão não diagonal.
• Garantias Estruturais: O mecanismo de leitura de Cholesky garante que o tensor de difusão recuperado seja semidefinido positivo por construção, um requisito crítico frequentemente violado por regressões ingênuas.
• Análise de Ablação: O artigo isola as contribuições de pooling, GLS viável e suavização de polinômio local como os principais impulsionadores do desempenho dentro do escopo, enquanto identifica a recuperação de Cholesky e a esparsificação adaptativa como essenciais para a validade estrutural e proteção em regimes de estresse.
• Definição de Escopo: Os autores definem explicitamente os limites de suas alegações, distinguindo entre sistemas identificáveis (onde a biblioteca abrange o gerador real e os dados cobrem o espaço de estados) e "limites honestos" onde a recuperação falha devido a baixo sinal-ruído, tensores quase singulares, ou cobertura insuficiente.

Resultos
O estimador foi avaliado em 29 sistemas sintéticos bidimensionais, incluindo modelos lineares (Ornstein–Uhlenbeck), rotacionais, bistáveis, multiplicativos e financeiros (Heston, SABR).

• Desempenho: 19 sistemas atenderam aos seus contratos de recuperação pré-declarados (PASS). Nestes, a métrica de deriva da grade central mediana foi 0.204, e o erro de tensor mediano foi 0.0397. Para sistemas com alvos fora da diagonal não degenerados, a similaridade de cosseno mediana para $a_{12}$ foi 0.997.
• Validade: O tensor recuperado era semidefinido positivo em todos os pontos da grade por construção.
• Modos de Falha: O artigo relata explicitamente sobre 8 casos de "limite nomeado" e 2 revisões de escopo onde a recuperação falhou ou foi incompleta. Essas falhas correspondem a limitações físicas ou de dados específicas: tensores quase singulares, concentração de fronteira, deriva não polinomial, cobertura pobre do espaço de estados ou passos de tempo ($\Delta t$) excessivamente grandes.
• Comparações: O estimador WG-SINDy superou quatro proxies basais do repositório (port 1D ingênuo, Kramers–Moyal local, Weak-SINDy temporal, e gerador-EDMD) em termos de pontuações dentro do escopo, embora os autores notem que estas comparações utilizam orçamentos de dados desiguais e são diagnósticas, em vez de um ranking definitivo de métodos publicados subjacentes.

Significância e Alegações
O artigo afirma fornecer um método robusto de recuperação simbólica para geradores de Itô 2D dentro de um escopo declarado de identificabilidade. Ele enfatiza que os resultados são diagnósticos sintéticos in-sample e não estabelecem recuperação universal ou aplicabilidade a dados reais.

• Os autores declaram explicitamente que não alegam cancelamento de martingales exato em amostras finitas ou um teorema de eficiência de GLS viável para a implementação liberada, pois o suavizador é dependente dos dados.
• A significância reside em demonstrar que uma combinação de projeção de forma fraca, restrições estruturais (PSD) e estabilização de variância (GLS) pode recuperar com sucesso dinâmicas estocásticas acopladas onde extensões ingênuas de métodos 1D falham.
• O trabalho serve como um benchmark para o que é recuperável dado certos limites de qualidade de dados e de biblioteca, oferecendo uma "fronteira de falsificação" onde o método identifica corretamente quando os dados são insuficientes para a recuperação simbólica.