Cylindrical Projections of Occupied Diffusions

以下是 Valentin Tissot-Daguette 和 Xin Zhang 所著论文《Occupied Diffusions 的柱状投影》的详细技术总结。

1. 问题陈述

本文解决了模拟Occupied Diffusions（被占扩散）这一类路径依赖随机过程的计算不可行性。这些过程由随机微分方程（OSDEs）建模，其系数依赖于过程历史的被占测度（occupation measure）。

动力学方程如下：
$$\begin{cases} d O_t = \delta_{X_t} \lambda(O_t, X_t) dt \\ d X_t = b(O_t, X_t) dt + \sigma(O_t, X_t) dW_t \end{cases}$$
其中：

• $X_t \in \mathbb{R}^d$ 是状态过程。
• $O_t$ 是 $\mathbb{R}^d$ 上的有限测度，表示过程在不同区域花费的时间（即被占流）。
• 系数 ($b, \sigma, \lambda$) 对 $O_t$ 的依赖引入了无限维的路径依赖。

核心挑战： 虽然该系统在测度空间与欧几里得空间的乘积空间 ($\mathcal{M}(\mathbb{R}^d) \times \mathbb{R}^d$) 上是马尔可夫的，但状态空间是无限维的。直接模拟是不可能的，因为在每个时间步无法存储或更新完整的测度 $O_t$。现有方法在近似这个无限维对象的同时难以控制误差。

2. 方法论：柱状投影

作者提出了一种名为柱状投影（Cylindrical Projections）的数值近似方法，将无限维的被占测度约化为有限维系统。

A. 柱状结构

该方法依赖于将有限测度 $o$ 识别为针对可数测试函数族 $(f_k)_{k \in \mathbb{N}}$ 的积分序列。

• 柱状范数： 利用一个分离函数族 $(g_j)$ 在测度空间上定义范数：
  $$\|o\| := \left( \sum_{j=0}^\infty |o(g_j)|^2 \right)^{1/2}$$
• 投影： 对于截断水平 $K$，被占测度 $O_t$ 被投影到有限维向量 $Z_t^K \in \mathbb{R}^{N_K+1}$ 上：
  $$Z_t^K := (O_t(f_0), \dots, O_t(f_{N_K}))$$
  其中 $(f_k^K)$ 是状态空间覆盖所从属的单位分解。

B. 近似系统

原始 OSDE 被近似为有限维系统 $(X_t^K, Z_t^K)$：
$$\begin{cases} d Z_t^K = f^K(X_t^K) \lambda^K(Z_t^K, X_t^K) dt \\ d X_t^K = b^K(Z_t^K, X_t^K) dt + \sigma^K(Z_t^K, X_t^K) dW_t \end{cases}$$
在此，系数通过重构算子 $o^K(z) = \sum z_k \delta_{x_k}$ 被“提升”回测度空间。这将问题转化为标准的有限维随机微分方程，可以使用欧拉 - 丸山（Euler–Maruyama）等标准方案进行模拟。

3. 主要贡献

1. 理论框架： 引入柱状投影作为近似由被占测度驱动的路径依赖动力学的严格工具。
2. 强收敛速率： 作者证明了近似解强收敛于真实过程。具体而言，对于固定的时间 horizon $T$：
   $$\mathbb{E}\left[ \sup_{0 \le t \le T} |X_t - X_t^K|^2 \right]^{1/2} \le \frac{C}{K}$$
   这确立了相对于截断水平 $K$ 的线性收敛速率。
3. 弱误差分析： 论文将分析扩展到弱收敛（泛函的期望），表明对于 Lipschitz 泛函 $\phi$：
   $$|\mathbb{E}[\phi(O_T, X_T)] - \mathbb{E}[\phi(o^K(Z_T^K), X_T^K)]| \le \frac{C}{K}$$
   这对于金融衍生品定价至关重要。
4. 处理无界系数： 作者通过利用局部化技术（停时）解决了系数可能线性增长（Lipschitz 条件）的情况，并在增长无界时推导出了依赖于对数因子的收敛速率。

4. 数值结果与示例

该方法通过欧拉 - 丸山模拟在三个不同的示例中得到了验证：

• Cranston–Le Jan 自吸引扩散：
  • 一个被其自身运行平均值吸引的过程。
  • 存在显式强解，允许直接进行误差比较。
  • 结果： 数值误差随 $K$ 线性减小，证实了理论上的 $O(1/K)$ 速率。
• Raimond 自相互作用扩散：
  • 一种多维扩散，其漂移项依赖于过去位置的方向。
  • 由于不存在显式解，该方法将投影结果与高分辨率参考解（$K=75$）进行比较。
  • 结果： 观察到收敛性，仅受采样噪声和离散化误差的限制。
• 局部被占波动率（LOV）模型：
  • 一种金融模型，其中波动率依赖于指数被占时间流。
  • 结果： 该方法成功模拟了路径依赖波动率，展示了其在复杂金融衍生品中的应用能力。

5. 意义与应用

• 计算可行性： 本文提供了首个实用的、计算上可行的方法来模拟一般的被占扩散，这类过程此前因无限维性而被认为不可计算。
• 金融衍生品定价： 弱误差分析直接支持在具有路径依赖波动率（LOV）的模型中使用蒙特卡洛方法为路径依赖期权（如亚式期权）定价。
• 通用性： 柱状投影方法具有多功能性，可应用于其他测度值过程，包括 McKean-Vlasov 型动力学和具有延迟相互作用的系统。
• 效率： 与状态维度随时间步长增长的通用路径依赖随机微分方程不同，柱状投影保持固定的有限维度 $K$，提供了显著的存储和计算优势。

结论

Tissot-Daguette 和 Zhang 成功弥合了被占扩散的理论存在性与其实际模拟之间的鸿沟。通过引入柱状投影，他们将一个无限维问题约化为具有严格误差界（$O(1/K)$）的有限维问题，从而实现了对复杂自相互作用系统的模拟以及复杂金融衍生品的定价。