[논문 리뷰] Log-Normal continuous cascades: aggregation properties and estimation. Application to financial time-series

Emmanuel Bacry, A. Kozhemyak외 1명|ArXiv.org|2008. 04. 01.

Complex Systems and Time Series Analysis참고 문헌 31인용 수 9

한 줄 요약

이 논문은 소규모 비일관성($\lambda^2 \ll 1$)에 대한 근사법을 도입하여, 금융 시계열을 모델링하는 데 사용되는 로그노멀 연속 캐스케이드—다중분포 과정—에 대한 통계적 추정 프레임워크를 개발한다. 두 가지 渐近적 영역을 규명한다: 저주파수(관측 창이 증가함)에서는 모든 매개변수에 대해 일致한 추정기들을 얻을 수 있고, 고주파수(샘플링 빈도가 증가함)에서는 오직 비일관성 계수 $\lambda^2$만 일치하는 추정이 가능하며, 영역을 구분하고 추정기 신뢰도를 평가하기 위한 진단 방법도 제시한다.

ABSTRACT

Log-normal continuous random cascades form a class of multifractal processes that has already been successfully used in various fields. Several statistical issues related to this model are studied. We first make a quick but extensive review of their main properties and show that most of these properties can be analytically studied. We then develop an approximation theory of these processes in the limit of small intermittency $λ^2\ll 1$, i.e., when the degree of multifractality is small. This allows us to prove that the probability distributions associated with these processes possess some very simple aggregation properties accross time scales. Such a control of the process properties at different time scales, allows us to address the problem of parameter estimation. We show that one has to distinguish two different asymptotic regimes: the first one, referred to as the ''low frequency regime'', corresponds to taking a sample whose overall size increases whereas the second one, referred to as the ''high frequency regime'', corresponds to sampling the process at an increasing sampling rate. We show that, the first regime leads to convergent estimators whereas, in the high frequency regime, the situation is much more intricate : only the intermittency coefficient $λ^2$ can be estimated using a consistent estimator. However, we show that, in practical situations, one can detect the nature of the asymptotic regime (low frequency versus high frequency) and consequently decide whether the estimations of the other parameters are reliable or not. We finally illustrate how both our results on parameter estimation and on aggregation properties, allow one to successfully use these models for modelization and prediction of financial time series.

연구 동기 및 목표

• 로그노멀 연속 캐스케이드 모델의 통계적 추정 문제를 해결함으로써, 금융 데이터의 다중분포 모델링에 널리 사용되는 이론적 배경을 제공한다.
• 소규모 비일관성 근사($\\lambda^2 \ll 1$) 하에서 시간 스케일을 따라 이 과정의 집계 성질을 분석한다.
• 저주파수(관측 창이 증가함)와 고주파수(샘플링 빈도가 증가함)의 두 渐近적 영역을 구분하고 특성화한다.
• 고주파수 영역에서 비일관성 매개변수 $\lambda^2$에 대한 일致한 추정기와 다른 매개변수 추정의 신뢰도 평가를 위한 진단 방법을 개발한다.
• 모델이 금융 시계열 예측 및 매개변수 추정에 실용적으로 유용한지를 보여준다.

제안 방법

• 소규모 비일관성 근사($\lambda^2 \ll 1$) 하에서 로그노멀 연속 캐스케이드의 해석적 근사를 유도하며, 이때 증분은 근사적으로 로그노멀 분포를 따른다.
• 이 근사를 사용하여 시간 스케일을 따라 과정의 스케일링 및 집계 성질을 연구한다.
• 두 가지 渐近적 영역을 정의한다: 저주파수(고정된 샘플링 빈도, 증가하는 $L$)와 고주파수(고정된 $L$, 증가하는 샘플링 빈도 $\tau^{-1}$).
• 로그증분의 경험적 모멘트를 사용하여 두 번째 차수의 구조 함수에 대한 일치 추정기를 구성한다.
• 공분산 분해를 적용하고, 가우시안 벡터 함수 공분산에 관한 기술적 보조정리를 사용하여 추정 분산을 제한한다.
• 위크 정리와 모멘트 경계를 사용하여 추정기 분산 내 공분산 항의 渐近적 행동을 제어하며, 저주파수 영역에서의 일치성 증명.

실험 결과

연구 질문

• RQ1 비일관성 $\lambda^2$가 작을 때 시간 스케일을 따라 로그노멀 연속 캐스케이드가 집계될 경우 어떻게 행동하는가?
• RQ2 저주파수 영역(관측 창이 증가함)에서 매개변수 추정기의 渐近적 성질은 무엇인가?
• RQ3 고주파수 영역(샘플링 빈도가 증가함)에서 매개변수 추정기의 渐近적 성질은 무엇인가?
• RQ4 실제로 저주파수와 고주파수 渐近적 영역을 구분할 수 있으며, 이는 추정기 신뢰도에 어떤 영향을 미치는가?
• RQ5 제안된 추정 프레임워크가 금융 시계열 모델링 및 예측에 성공적으로 적용될 수 있는가?

주요 결과

• 저주파수 영역에서는 로그노멀 연속 캐스케이드 모델의 모든 매개변수—비일관성 $\lambda^2$ 포함—을 일치하게 추정할 수 있다.
• 고주파수 영역에서는 오직 비일관성 계수 $\lambda^2$만 일치 추정이 가능하며, 나머지 매개변수들은 일치 추정이 불가능하다.
• 주어진 데이터셋이 저주파수 또는 고주파수 영역에 속해 있는지 식별할 수 있는 진단 방법을 제안하며, 이는 비비일관성 매개변수의 추정기 신뢰도 평가를 가능하게 한다.
• 경험적 두 번째 차수의 구조 함수 추정기 분산은 $\mathcal{O}(\ln N / N)$ 속도로 감소하며, 이는 저주파수 영역에서의 일치성을 증명한다.
• 근사 프레임워크를 통해 집계 성질를 해석적으로 제어할 수 있으며, 이는 소규모 $\lambda^2$ 조건 하에서 일치 추정기 유도를 가능하게 한다.
• 모델과 추정 방법은 금융 시계열에 성공적으로 적용되어, 모델링 및 예측에 실용적인 유용성을 보여준다.