[論文レビュー] Statistical inference for rough volatility: Minimax Theory

Carsten Chong, Marc Hoffmann+3 more|arXiv (Cornell University)|Oct 3, 2022

Financial Risk and Volatility Modeling被引用数 6

ひとこと要約

本稿は、$ H < 1/2 $ である粗いボラティリティモデルにおけるハーストパラメータ $ H $ の最小最大最適統計的推論を初めて確立した。ウェーブレットに基づく適応推定と事前平均化手法を用い、$ H $-推定の最適収束速度が $ n^{-1/(4H+2)} $ であることを証明した。これは非常に小さな $ H $ に対しても $ \sqrt{n} $-に類する効率性を達成し、統計ファイナンス分野における主要な未解決問題を解決した。

ABSTRACT

Rough volatility models have gained considerable interest in the quantitative finance community in recent years. In this paradigm, the volatility of the asset price is driven by a fractional Brownian motion with a small value for the Hurst parameter $H$. In this work, we provide a rigorous statistical analysis of these models. To do so, we establish minimax lower bounds for parameter estimation and design procedures based on wavelets attaining them. We notably obtain an optimal speed of convergence of $n^{-1/(4H+2)}$ for estimating $H$ based on n sampled data, extending results known only for the easier case $H&gt;1/2$ so far. We therefore establish that the parameters of rough volatility models can be inferred with optimal accuracy in all regimes.

研究の動機と目的

• 離散的な価格観測から得られる粗いボラティリティモデルにおけるハーストパラメータ $ H $ の推定に関する統計的限界を厳密に確立すること。
• $ H < 1/2 $ の場合に $ H $-推定の最小最大最適収束速度を特定すること。これは、従来の結果が $ H > 1/2 $ に限定されていたのを拡張するものである。
• 潜在的かつ粗いボラティリティ過程であるにもかかわらず、最小最大最適性を達成する適応的ウェーブレットベースの手続きを開発すること。
• $ H \to 0 $ の場合でも、観測された価格データから $ H $ が一貫して推定可能であることを検証すること。近似的にパラメトリックな効率性を達成する。

提案手法

• 非マルコフ型、非マルコフ型の設定において、局所漸近正規性および仮説検定の議論を用いて $ H $ の推定に関する最小最大下界を導出する。
• 高頻度価格データから滑らかさに関する情報を抽出するために、二次的関数へのウェーブレットベースの推定を適用する。
• マイクロ構造ノイズを低減し、ボラティリティ変動の頑健な推定量を構築するために、事前平均化手法を用いる。
• 異なる滑らかさレベルにおけるバイアスと分散を制御するために、ウェーブレットドメインにおける適応的しきい値処理を用いる。
• ホルダー型のパrameter空間 $ \mathcal{D} $ における推定量の一様タイトネスを確立し、$ H \in (0,1/2) $ の範囲で安定性を保証する。
• 集中不等式とウェーブレット係数のモーメントバウンドを用いて、$ \widehat{H}_n $ および $ \widehat{\eta}_n $ の確率的誤差を制御する。

実験結果

リサーチクエスチョン

• RQ1 $ H < 1/2 $ の場合に、粗いボラティリティモデルにおけるハーストパラメータ $ H $ の推定の最適収束速度は何か？
• RQ2 潜在的かつ粗いボラティリティ過程を支配するハーストパラメータ $ H $ は、離散的価格観測から一貫して推定可能か？
• RQ3 $ H \to 0 $ の場合に、$ H $-推定の統計的効率性は劣化するのか、それとも近似的に $ \sqrt{n} $-レート性能を達成できるか？
• RQ4 ウェーブレットベースの手法をどのように変更すれば、非マルコフ型で粗いボラティリティモデルにおいて最小最大最適性を達成できるか？

主な発見

• $ H \in (0,1/2) $ のすべての値に対して、$ n $ 個の価格観測から $ H $ を推定する最小最大最適速度は $ n^{-1/(4H+2)} $ である。これは、従来の結果が $ H > 1/2 $ に限定されていたのを拡張するものである。
• $ H \to 0 $ の場合、収束速度は $ n^{-1/2} $ に近づき、標準的なパラメトリックモデルと同等の効率性を示し、粗い状態での近似的に最適な性能を示している。
• 提案されたウェーブレットベースの適応的推定量は最小最大最適性を達成しており、導出された下界と一致する収束速度を示している。
• 事前平均化とウェーブレットしきい値処理のおかげで、モデルの誤指定やマイクロ構造ノイズに対しても頑健である。
• コンパクトな $ (0,1/2) $ の部分集合上で推定量の一様タイトネスが確立され、$ H $ の異なる値においても安定性が保証されている。
• 解析により、$ H $ が潜在的かつ粗いボラティリティ過程を支配するとしても、観測された価格データから一貫して推定可能であることが確認された。