[논문 리뷰] Adaptive estimation and noise detection for an ergodic diffusion with observation noises

Shogo H. Nakakita, Masayuki Uchida|arXiv (Cornell University)|2017. 11. 13.

Stochastic processes and financial applications참고 문헌 3인용 수 6

한 줄 요약

이 논문은 관측 노이즈가 존재하는 에르고딕 연속확률과정에 대해 최대우도 유형의 적응형 추정 방법을 제안하며, 이는 확산, 확산계수, 관측 노이즈 분산 파라미터에 대해 渐近적으로 독립적이고 효율적인 추정을 가능하게 한다. 이 방법은 순차적 추정을 통해 계산 부담을 감소시키고, 관측 노이즈 존재 여부를 탐지할 수 있는 일致한 가설 검정을 도입하며, 높은 노이즈를 포함한 바람 데이터에서 검증된 결과를 보인다.

ABSTRACT

We research adaptive maximum likelihood-type estimation for an ergodic diffusion process where the observation is contaminated by noise. This methodology leads to the asymptotic independence of the estimators for the variance of observation noise, the diffusion parameter and the drift one of the latent diffusion process. Moreover, it can lessen the computational burden compared to simultaneous maximum likelihood-type estimation. In addition to adaptive estimation, we propose a test to see if noise exists or not, and analyse real data as the example such that data contains observation noise with statistical significance.

연구 동기 및 목표

• 관측이 독립적인 노이즈에 의해 오염된 에르고딕 연속확률과정에 대해 적응형 추정 프레임워크를 개발하기 위해.
• 모든 파라미터를 동시에 최대우도 추정하는 것에 비해 계산 복잡도를 감소시키기 위해.
• 확산, 확산계수, 노이즈 분산 파라미터 추정량의 渐近적 독립성과 정규성을 확립하기 위해.
• 관측 노이즈 존재 여부를 탐지하기 위한 일치하는 통계적 검정을 제안하기 위해 (H₀: Λ = O 대비 H₁: Λ ≠ O).
• 실제 고주파 바람 데이터를 대상으로 방법론을 검증하고, 기존의 표준 확산 모델과 결과를 비교하기 위해.

제안 방법

• 관측의 실현 제곱변동을 사용하여 관측 노이즈 분산을 먼저 추정하는 순차적 추정 체계를 제안한다.
• 추정된 노이즈 분산을 바탕으로 두 단계에 걸쳐 확산 및 확산계수 파라미터에 대한 가짜우도 함수를 계산한다.
• 국소 평균과 블록 단위 분석을 활용하여 고주파 샘플링 조건(hn → 0, nhn → ∞) 하에서 渐近적 성질을 도출한다.
• α(확산), β(확산계수), θε(노이즈 분산)의 추정량에 대해 서로 다른 수렴 속도를 갖는 渐近 정규성과 독립성을 도출한다.
• 국소 평균의 네 번째 차수 변동을 바탕으로 H₀: Λ = O 대비 H₁: Λ ≠ O 를 검정하는 검정 통계량을 도입한다.
• 실제 데이터 분석에서 비교를 위한 기준으로 국소 가우시안 근사(LGA) 방법을 적용한다.

실험 결과

연구 질문

• RQ1 적응형 추정이 관측 노이즈가 존재하는 에르고딕 확산에서 계산 비용을 줄이면서도 渐近적 효율성을 유지할 수 있는가?
• RQ2 고주파 샘플링 조건 하에서 확산, 확산계수, 노이즈 분산 파라미터 추정량이 渐近적으로 독립적이고 정규분포를 따르는가?
• RQ3 진짜 노이즈 분산이 0이 아닐 경우, 제안된 검정이 관측 노이즈 존재 여부를 일관되게 탐지할 수 있는가?
• RQ4 실제 고주파 데이터에서 노이즈가 있는 확산 모델의 성능은 표준 확산 모델보다 어떻게 다른가?
• RQ5 관측 노이즈를 고려하지 않은 채로 표준 LGA 기반 추론이 타당한가?

주요 결과

• 제안된 적응형 추정 방법은 이전의 동시 추정 접근 방식과 달리, α, β, θε의 추정량에 대해 서로 다른 수렴 속도를 갖는 渐近적 독립성과 정규성을 달성한다.
• 관측 노이즈 검정(H₀: Λ = O)은 일관성이 있으며, H₁ 하에서 검정 통계량이 비퇴화한 극한으로 수렴한다.
• 실제 2차원 바람 데이터에서 노이즈가 있는 확산 모델은 ˆΛn = [[6.67×10⁻³, 3.75×10⁻⁵], [3.75×10⁻⁵, 6.79×10⁻³]]로 노이즈 분산을 추정하여 통계적으로 유의미한 관측 노이즈가 있음을 시사한다.
• 동일한 데이터에 대해 LGA 방법을 적용한 결과, 추정된 확산 변동성은 약 44로, 이는 약 13보다 훨씬 크며, 관측 노이즈를 忽略할 경우 진짜 확산 동역학이 과대추정됨을 시사한다.
• 결과는 관측 노이즈를 고려하지 않은 채로 추론할 경우 LGA 방법의 이론적 최적성의 타당성이 무너짐을 보여주며, 노이즈 탐지의 필수성을 강조한다.
• 이론적 분석은 국소 평균의 네 번째 차수 변동이 c²_S(·)와 진짜 노이즈 분산 Λ⋆에 따라 극한으로 수렴함을 확인하여, 검정의 구성이 가능함을 입증한다.