[論文レビュー] Nonparametric estimation for Levy processes with a view towards mathematical finance

Enrique Figueroa-Lopez, Christian Houdré|ArXiv.org|Dec 17, 2004

Stochastic processes and financial applications参考文献 21被引用数 18

ひとこと要約

本稿は、ジャンプに基づく統計とデータ駆動型モデル選択を用いて、Lévy過程のLévy密度の非パラメトリック推定量を構築し、Besov空間上での最適収束速度を達成する。ペナルティ付き射影推定量と最小対応法を導入し、未知の滑らかさに適応可能であり、オラクル不等式とミニマックスリスク境界による理論的保証を有する。

ABSTRACT

Nonparametric methods for the estimation of the Levy density of a Levy process are developed. Estimators that can be written in terms of the ``jumps'' of the process are introduced, and so are discrete-data based approximations. A model selection approach made up of two steps is investigated. The first step consists in the selection of a good estimator from a linear model of proposed Levy densities, while the second is a data-driven selection of a linear model among a given collection of linear models. By providing lower bounds for the minimax risk of estimation over Besov Levy densities, our estimators are shown to achieve the ``best'' rate of convergence. A numerical study for the case of histogram estimators and for variance Gamma processes, models of key importance in risky asset price modeling driven by Levy processes, is presented.

研究の動機と目的

• 高頻度金融データにおけるLévy密度の非パラメトリック推定の課題に取り組む。ここでは、数値的不安定性やモデル誤指定のため、パラメトリックモデルがしばしば失敗する。
• 尤度反転やシミュレーションベースのアプローチといった、既存のキャリブレーション手法の限界を克服する。これらの手法は数値誤差に強く影響され、理論的頑健性に欠ける。
• 非パラメトリック技術を用いて、未知の滑らかさに適応可能な、モデルフリーでデータ駆動型の推定フレームワークを構築する。
• Besov空間上でのミニマックス下界を導出し、理論的最適性を確立する。提案された推定量が、可能な限り最良の収束速度を達成することを示す。
• ジャンプのポアソン過程としての特徴付け、射影推定量、ペナルティ付きモデル選択を統合した包括的かつ適応的で頑健な推論のためのアプローチを提供する。

提案手法

• Lévy過程のジャンプを空間的ポアソン過程としてモデル化し、Lévy-Itô分解を活用してジャンプ挙動とLévy測度の関係を確立する。
• 離散時間観測を用いて、実現されたジャンプ回数と実現特性関数に基づく推定量を構築し、Lévy密度を近似する。
• 2段階のモデル選択手順を実装する。まず、Lévy密度の最適な線形モデルを選択し、次にデータ駆動型ペナルティを用いて集合からの最良のモデルを選択する。
• 正規直交基底上にペナルティ付き射影推定量（PPE）を適用し、バイアス・バリアンスのトレードオフを制御し、適応性を確保するようにペナルティ項を設計する。
• オラクル不等式を用いて推定量のリスクをバインドし、Besov空間上でのLévy密度に対してミニマックスレートを達成していることを証明する。
• 特にジャンプが希である領域や重たい尾部を持つ場合の数値的安定性を高めるために、正則化推定量を組み込む。

実験結果

リサーチクエスチョン

• RQ1 未知の滑らかさに適応可能で、最適な収束速度を達成するLévy密度の非パラメトリック推定量を構築できるか？
• RQ2 Lévy過程のジャンプ構造を活用することで、パラメトリック形式を仮定せずに一貫性があり、データ駆動型の推定量を構築できるか？
• RQ3 Besov空間上でのLévy密度推定におけるミニマックスリスクは何か？ また、その下界に達する推定量を設計できるか？
• RQ4 ペナルティ付き射影推定量は、Variance Gamma過程やGamma過程の有限標本において、従来の手法（例：最尤推定、モーメント法）と比較してどのように性能を発揮するか？
• RQ5 ペナルティ付き対応によるモデル選択は、複雑なジャンプダイナミクスを示す高頻度設定において、推定精度をどの程度向上できるか？

主な発見

• 提案されたペナルティ付き射影推定量は、Lévy密度のBesov空間上でのミニマックス収束速度を達成しており、理論的下界と一致する。
• オラクル不等式が確立され、選択されたモデル上での最適リスクの対数因子内に推定量のリスクが収まることが示された。
• Variance Gamma過程では、有限標本において最尤推定やモーメント法の推定量を上回る性能を示し、特に高頻度領域で顕著である。
• 数値的実験により、ヒストグラムベースおよび正則化PPEが、重たい尾部が存在する場合でも安定的かつ正確なLévy密度推定を提供することが確認された。
• 2段階のモデル選択手順は、モデルの複雑さと推定誤差のバランスを効果的にとらえ、さまざまな滑らかさクラスにわたる適応的性能を実現した。
• 理論的結果により、モデル誤指定に対しても頑健であり、広範なLévy過程のクラスにわたり最適な性能を維持することが確認された。