[論文レビュー] Robust Inferential Methodology for Multidimensional Diffusion Processes

Sourojyoti Barick|arXiv (Cornell University)|Mar 13, 2026

Control Systems and Identification被引用数 0

ひとこと要約

高頻度の多次元拡散モデルに対する最小密度パワー散逸推定量（MDPDE）を用いた堅牢な推論フレームワークを提示。整合性、漸近正規性、汚染に対する頑健性を有する。

ABSTRACT

We investigate robust parameter estimation and testing procedure for multivariate diffusion processes observed at high frequency via the minimum density power divergence estimator (MDPDE). Within a general diffusion framework and under standard regularity conditions, we establish consistency and asymptotic normality for the estimators of both drift and diffusion parameters. The drift estimator converges at the $\sqrt{n h_n}$ rate, whereas the diffusion estimator attains the standard $\sqrt{n}$ rate, and the two estimators are shown to be asymptotically independent. The proposed methodology constitutes a robust alternative to quasi-likelihood and ordinary least squares based approaches, offering resilience against outliers, local contamination, and mild model misspecification, while remaining asymptotically equivalent to classical methods in the absence of contamination. Simulation studies demonstrate that the MDPDE achieves reliable finite-sample performance and enhanced numerical stability relative to likelihood-based estimators. These results underscore the practical relevance of divergence-based estimation for high-frequency diffusion models and point to natural extensions to more complex continuous-time settings.

研究の動機と目的

• 汚染とモデル不適合の下で多変量拡散過程の堅牢な推論を動機づける。
• 離散観測拡散に対してドリフトと拡散パラメータの双方を MD PDE ベースの推定フレームワークを開発する。
• 高周波サンプリング下でドリフトと拡散推定量の整合性と漸近正規性を確立する。
• シミュレーションを通じて尤度ベースの方法に対する頑健性と有限サンプルの安定性を示す。

提案手法

• 局所正規転移密度の下でディスクリートに観測された多次元拡散に MD PDE を拡張する。
• 条件分布のオブザーバーションとしてオイラー–馬姆道具近似を用いて MD PDE 目的関数を定義する。
• 高周波サンプリング下での正則性仮定を指定してドリフトと拡散推定量の整合性と漸近正規性を証明する。
• ドリフトパラメータに対するウォルド型検定とドリフトと拡散推定量の独立性を示す結合漸近性を導出する。
• 汚染下での有限サンプル性能を評価するために拡散過程を VAR(1)-型モデルへ結ぶシミュレーション設定を提供する。

実験結果

リサーチクエスチョン

• RQ1 MDPDE は高頻度で観測される多次元拡散モデルにおいてドリフトと拡散パラメータの頑健で整合性があり漸近正規な推定を達成できるか。
• RQ2 提案フレームワークの下でドリフト推定量と拡散推定量は漸近的に独立を保つか。
• RQ3 データ汚染下でのα の調整パラメータを用いた頑健性は古典的な尤度法と比較してどうなるか。
• RQ4 高次元拡散設定における MD PDE の有限サンプル性能と安定性の利点は何か。

主な発見

• 高頻度サンプリング下でドリフトおよび拡散パラメータの MDPDE 推定量は整合性と漸近正規性を持つ。
• ドリフト推定量は sqrt(n h_n) の収束率で収束し、拡散推定量は標準的な sqrt(n) の収束率で収束する。
• ドリフトと拡散の推定量は多変量設定でも漸近的に独立である。
• シミュレーション研究は尤度ベースの推定量と比較して数値的安定性と外れ値に対する頑健性が向上することを示す。
• フレームワークはドリフトパラメータに対するウォルド型検定を提供し、漸近共分散構造を明示する。