[논문 리뷰] Estimation of Scale and Hurst Parameters of Semi-Selfsimilar Processes

Saeid Rezakhah, Anne Philippe외 1명|arXiv (Cornell University)|2012. 07. 10.

Financial Risk and Volatility Modeling참고 문헌 27인용 수 3

한 줄 요약

이 논문은 이동 표본 분산을 사용하여 λ^n으로 정의된 스케일 간격 내에서 정적 증분을 갖는 반자기유사과정에서 스케일 매개수 λ와 허스트 매개수 H를 반복적으로 추정하는 방법을 제안한다. 이 방법은 분산 군집을 통해 스케일 전이를 식별하고, λ와 H에 대해 고정밀도 추정을 달성하며, 시뮬레이션 결과 기존 방법보다 더 낮은 평균제곱오차(MSE)를 보이며, 특히 H < 0.75 및 H ≥ 0.75의 경우 각각 더 낮은 오차를 기록한다.

ABSTRACT

The characteristic feature of semi-selfsimilar process is the invariance of its finite dimensional distributions by certain dilation for specific scaling factor. Estimating the scale parameter $λ$ and the Hurst index of such processes is one of the fundamental problem in the literature. We present some iterative method for estimation of the scale and Hurst parameters which is addressed for semi-selfsimilar processes with stationary increments. This method is based on some flexible sampling scheme and evaluating sample variance of increments in each scale intervals $[λ^{n-1}, λ^n)$, $n\in \mathbb{N}$. For such iterative method we find the initial estimation for the scale parameter by evaluating cumulative sum of moving sample variances and also by evaluating sample variance of preceding and succeeding moving sample variance of increments. We also present a new efficient method for estimation of Hurst parameter of selfsimilar processes. As an example we introduce simple fractional Brownian motion (sfBm) which is semi-selfsimilar with stationary increments. We present some simulations and numerical evaluation to illustrate the results and to estimate the scale for sfBm as a semi-selfsimilar process. We also present another simulation and show the efficiency of our method in estimation of Hurst parameter by comparing its performance with some previous methods.

연구 동기 및 목표

• 정적 증분을 갖는 반자기유사과정에서 스케일 매개수 λ를 안정적으로 반복적으로 추정하는 방법을 개발하는 것.
• 장기적 의존성 존재 시에도 자기유사과정의 허스트 매개수 추정 정확도를 향상시키는 것.
• 이산 샘플링 체계를 활용한 계산 효율적이고 구현 가능한 스케일 및 허스트 매개수 추정 프레임워크를 제공하는 것.
• 단순 분수 브라운 운동(sfBm)에 대한 시뮬레이션을 통해 제안된 방법을 검증하는 것. 이는 정적 증분을 갖는 표준 반자기유사과정이다.
• 평균제곱오차(MSE) 기준으로 기존의 추정기인 이차변동 및 볼록재배열 방법과의 성능 비교를 수행하는 것.

제안 방법

• 초기 스케일 매개수 λ의 추정치를 기반으로 ℕ에 속하는 n에 대해 [λ^{n-1}, λ^n) 간격으로 시간을 분할하는 탄력적인 샘플링 체계를 사용한다.
• 각 스케일 간격 내에서 증분의 이동 표본 분산을 평가하여 새로운 간격의 시작을 나타내는 구조적 변화를 탐지한다.
• 초기 λ 추정치는 누적합을 분석하고 식 (4.2)로 정의된 통계량 S(z)의 국소 최소값을 식별하여 확보된다.
• 반복적 정밀화 단계에서는 초기 추정치 주변의 밀도 높은 λ 값의 격자에서 식 (4.4)로 정의된 V(a_k)를 평가하여 전역 최소값을 찾고, 이를 통해 최종 스케일 추정치 λ*를 도출한다.
• 허스트 매개수 추정을 위해 스케일 간격 간의 추정 분산 비율을 활용하며, 관계식 (λ*)^{H - H'} = μ̄*를 이용해 H를 역산정한다.
• 제안된 방법은 정확한 자기유사성 구조를 갖는 반자기유사과정으로 간주되는 시뮬레이션 경로에 적용된다.

실험 결과

연구 질문

• RQ1 이산 샘플링을 통해 정적 증분을 갖는 반자기유사과정에서 스케일 매개수 λ를 일관되게 추정할 수 있는 방법은 무엇인가?
• RQ2 표본 분산 행동에 기반하여 스케일 간격 간 전이점들을 탐지하는 최적의 방법은 무엇인가?
• RQ3 제안된 λ에 대한 반복적 추정 방법은 기존 방법에 비해 정확도와 효율성 면에서 어떻게 비교되는가?
• RQ4 제안된 허스트 매개수 추정 방법은 이차변동 및 볼록재배열과 같은 기존 기법에 비해 더 낮은 평균제곱오차를 달성할 수 있는가?
• RQ5 특히 H < 0.75 및 H ≥ 0.75 범위에서 허스트 매개수 H의 다양한 값에 대해 이 방법의 성능은 어떠한가?

주요 결과

• 케이스 1(H ≈ 0.898)에서, 방법은 스케일 매개수를 λ*₁ = 2.0000으로 추정하였으며, 초깃값은 λ̃₁ = 1.9995였고, H < 0.75의 경우 경쟁 방법보다 낮은 평균제곱오차(MSE)를 기록하였다.
• 케이스 2(H ≈ 0.603)에서, 방법은 λ*₂ = 4.0000으로 추정하였으며, 초깃값은 λ̃₂ = 3.9998였고, H ≥ 0.75의 경우 뛰어난 MSE 성능을 보였다.
• 허스트 매개수의 추정 차이는 H₁ − H′₁ = 0.7025 및 H₂ − H′₂ = 0.3976로, 각각 μ̄*₁ = 1.6273 및 μ̄*₂ = 1.7352로부터 유도된 진짜 값과 매우 유사했다.
• 최종 허스트 추정치는 Ĥ₁ = 0.8981 및 Ĥ₂ = 0.6031였고, H′₁ = 0.1957 및 H′₂ = 0.2039였으며, 이는 기저 과정과 높은 일致성을 보였다.
• 10,000개의 샘플과 500회의 반복을 포함한 시뮬레이션 결과, 제안된 방법은 전체 H 범위에서 이차변동 및 볼록재배열 방법보다 더 낮은 MSE를 달성함을 확인하였다.
• 이 방법은 계산적으로 효율적이며 간편하게 구현 가능하며, 이동 표본 분산과 격자 기반 최소화를 사용함으로써 최소한의 계산 오버헤드를 가진다.