[논문 리뷰] Parametric inference for hypoelliptic ergodic diffusions with full observations

Anna Melnykova|arXiv (Cornell University)|2018. 02. 08.

Stochastic processes and financial applications참고 문헌 39인용 수 12

한 줄 요약

이 논문은 이차원 히포에일립틱 확산에서 전체 이산 관측 자료를 바탕으로 일관되고 점근적으로 정규적인 매개변수 추정기를 제안한다. 이는 국소 선형화 기반의 이산화된 로그우도를 사용하며, 확산 계수의 퇠퇴성 문제를 신중한 우도 성분 스케일링을 통해 해결한다. 정규 조건 하에서 일관성과 점근 정규성을 증명하였으며, 피츠휴-나구모 신경세포 모델에서 수치적으로 검증하였다.

ABSTRACT

Multidimensional hypoelliptic diffusions arise naturally in different fields, for example to model neuronal activity. Estimation in those models is complex because of the degenerate structure of the diffusion coefficient. In this paper we consider hypoelliptic diffusions, given as a solution of two-dimensional stochastic differential equations (SDEs), with the discrete time observations of both coordinates being available on an interval $T = n\\Delta_n$, with $\\Delta_n$ the time step between the observations. The estimation is studied in the asymptotic setting, with $T\ o\\infty$ as $\\Delta_n\ o 0$. We build a consistent estimator of the drift and variance parameters with the help of a discretized log-likelihood of the continuous process. We discuss the difficulties generated by the hypoellipticity and provide a proof of the consistency and the asymptotic normality of the estimator. We test our approach numerically on the hypoelliptic FitzHugh-Nagumo model, which describes the firing mechanism of a neuron.

연구 동기 및 목표

• 확산 행렬이 퇴화되고 특이한 경우에 발생하는 매개변수 추론 문제를 해결하기 위해.
• 이차원 확률미분방정식의 두 좌표가 이산 시간에 관측될 때 드리프트 및 분산 매개변수에 대한 일관되고 점근적으로 정규적인 추정기를 개발하기 위해.
• 히포에일립틱 시스템에서 전이 밀도 공분산 행렬의 가역성 부족 문제를 맞춤형 이산화 기반으로 해결하기 위해.
• T = nΔ_n → ∞, Δ_n → 0 인 점근적 영역에서 추정기의 이론적 일관성과 점근 정규성을 확립하기 위해.
• 히포에일립틱 피츠휴-나구모 모델을 통해 신경세포 역학에서 제안된 방법을 수치적으로 검증하기 위해.

제안 방법

• 연속적인 히포에일립틱 SDE의 전이 밀도를 근사하기 위해 국소 선형화 기반의 방법을 사용하여 계산 가능한 우도를 가능하게 한다.
• 연속 과정의 이산화된 로그우도 함수를 기반으로 한 대비 추정기를 구성하며, 드리프트 및 확산 성분에 대해 별도의 스케일링을 적용한다.
• 이중 단계 추정 절차를 적용한다: 먼저 스케일된 우도를 사용해 드리프트 매개변수 θ^(1)을 추정하고, 이후 별도의 우도 성분을 통해 θ^(2)와 σ를 추정한다.
• 진짜 매개변수 주변에서 대비 함수의 테일러 전개를 적용하여 점근 정규성을 도출하며, 각각의 추정치  ĥθ^(1)과  ĥθ^(2)에 대해 별도의 스케일링을 적용한다.
• 핵심 이차형식과 점수 함수의 확률 수렴성을 보장하기 위해 보조정리를 활용하여 일관성과 점근 정규성을 확보한다.
• 마팅게일 중심극한정리 프레임워크를 적용하여 추정기의 점근 분포를 유도하며, 분산 성분의 서로 다른 주요 크기 순서를 고려한다.

실험 결과

연구 질문

• RQ1 전체 이산 관측 자료가 있는 이차원 히포에일립틱 확산 모델에서 드리프트 및 확산 매개변수에 대해 일관되고 점근적으로 정규적인 추정기를 구성할 수 있는가?
• RQ2 히포에일립틱 SDE의 매개변수 추론에서 전이 밀도 공분산 행렬의 비가역성 문제는 어떻게 해결할 수 있는가?
• RQ3 확산 계수가 퇴화된 경우 일관성과 점근 정규성을 확보하기 위해 우도 성분의 적절한 스케일링은 무엇인가?
• RQ4 국소 선형화 기반의 이산화된 로그우도 추정기는 특히 신경세포 모델에서 히포에일립틱 설정에서 유효한 추론을 제공하는가?
• RQ5 T → ∞, Δ_n → 0 인 공동 점근적 영역 하에서 추정기의 이론적 성질을 엄밀히 증명할 수 있는가?

주요 결과

• 드리프트 매개변수 θ^(1)에 대한 제안된 추정기는 일관성이 있으며, n → ∞ 일 때  ĥθ^(1)_{n,Δ_n} → θ^(1)_0 확률적으로 수렴한다.
• 드리프트 매개변수 θ^(2)에 대한 추정제도 일관성이 있으며, 동일한 점근적 영역 하에서  ĥθ^(2)_{n,Δ_n} → θ^(2)_0 확률적으로 수렴한다.
• 추정기의 점근 분포는 다변량 정규분포이며, √(n/Δ_n)(ĥθ^(1) − θ^(1)_0) 및 √(nΔ_n)(ĥθ^(2) − θ^(2)_0) 가 정규 극한으로 수렴한다.
• 점근 공분산 행렬은 대각행렬이며, 드리프트 함수의 적분된 제곱 기울기와 확산 계수에 따라 달라진다.
• θ^(1)의 점근 분산은 ∫ b²(z;σ₀)(∂_y a₁(z;θ^(1)_0))²(∂_{θ^(1)} a₁(z;θ^(1)_0))² ν₀(dz) 비례한다.
• θ^(2)의 점근 분산은 ∫ b²(z;σ₀)(∂_{θ^(2)} a₂(z;θ^(2)_0))² ν₀(dz) 비례한다.