[논문 리뷰] Parametric inference for stochastic differential equations: a smooth and match approach

Shota Gugushvili, Peter Spreij|arXiv (Cornell University)|2011. 11. 04.

Statistical Methods and Inference참고 문헌 15인용 수 7

한 줄 요약

이 논문은 이르고적 확산 과정에서 이산적으로 관측된 경우의 매개수 추론을 위한 새로운 스무스 앤 매치 추정기법을 제안한다. 먼저 커널 스무딩을 통해 비모수적으로 불변 밀도를 추정한 후, 포크너-플랭크 방정식에서 도출된 이론적 불변 밀도와 매칭하여 드리프트 및 확산 매개수를 추정하기 위해 기준 함수를 최소화한다. 이 방법은 정규 조건 하에서 √n-일致성과 점근 정규성을 확보하며, 일단계 보정을 통해 점근 효율성이 향상된다.

ABSTRACT

We study the problem of parameter estimation for a univariate discretely observed ergodic diffusion process given as a solution to a stochastic differential equation. The estimation procedure we propose consists of two steps. In the first step, which is referred to as a smoothing step, we smooth the data and construct a nonparametric estimator of the invariant density of the process. In the second step, which is referred to as a matching step, we exploit a characterisation of the invariant density as a solution of a certain ordinary differential equation, replace the invariant density in this equation by its nonparametric estimator from the smoothing step in order to arrive at an intuitively appealing criterion function, and next define our estimator of the parameter of interest as a minimiser of this criterion function. Our main results show that under suitable conditions our estimator is $\sqrt{n}$-consistent, and even asymptotically normal. We also discuss a way of improving its asymptotic performance through a one-step Newton-Raphson type procedure and present results of a small scale simulation study.

연구 동기 및 목표

• 이르고적 확산 과정에서 이산적으로 관측된 경우에 대해 계산적으로 효율적이고 이론적으로 타당한 매개수 추론 방법을 개발하는 것.
• 전이 밀도가 해석 불가능하거나 계산적으로 부담스러운 경우, 우도 기반 추론의 과제를 해결하는 것.
• 근사 최대우도 방법의 수치적 복잡성을 피하면서도 강력한 점근적 성질을 유지하는 추정기법을 구축하는 것.
• 제안된 스무스 앤 매치 추정기의 이론적 보장을 확보하는 것, 특히 √n-일치성과 점근 정규성을 포함한다.
• 일단계 뉴턴-라프슨 보정 절차를 통해 점근 효율성을 향상시키는 것.

제안 방법

• 이 방법은 두 단계로 구성된다: 첫 번째 단계로 커널 밀도 추정을 사용하여 이산 관측치로부터 비모수적으로 불변 밀도를 추정하는 스무딩 단계.
• 두 번째 단계인 매칭 단계에서, 이론적 불변 밀도는 포크너-플랭크 방정식에서 유도된 두 번째 차수 상미분방정식의 해로 특징지어진다.
• 비모수적 밀도 추정치가 ODE에서 진짜 불변 밀도를 대체하여 매개수 공간에서 최소화되어야 할 기준 함수를 형성한다.
• 매개수 추정기는 이 기준 함수의 최소화자로 정의되며, 스무스 앤 매치 원리에 기반한 M-추정기로 구성된다.
• 기준 함수를 진짜 매개수 주변에서 타일러 전개함으로써 점근 정규성을 확립한다. 이는 밀도 추정기의 약한 수렴에 의존한다.
• 초기 추정기의 점근 분산을 향상시켜 효율성을 높이기 위해 일단계 뉴턴-라프슨 보정 절차를 적용한다.

실험 결과

연구 질문

• RQ1 비모수적 스무딩 단계와 모수적 매칭 단계를 효과적으로 조합하여 SDE 매개수에 대한 일치성 있고 효율적인 추정기법을 도출할 수 있는가?
• RQ2 정규 조건 하에서 결과로 도출된 스무스 앤 매치 추정기는 √n-일치성과 점근 정규성을 확보하는가?
• RQ3 계산 가능성과 통계적 효율성 측면에서 스무스 앤 매치 추정기는 우도 기반 또는 Z-추정기 방법과 비교해 어떻게 성능을 내는가?
• RQ4 일단계 보정 절차가 초기 스무스 앤 매치 추정기의 점근 분산을 상당히 향상시킬 수 있는가?
• RQ5 추정기의 이론적 성질을 보장하기 위해 드리프트 및 확산 계수에 필요한 충분한 정규 조건는 무엇인가?

주요 결과

• 제안된 스무스 앤 매치 추정기는 정규 조건 하에서 √n-일치성을 확보하여 표준 매개수 추정 속도로 수렴함을 보여준다.
• 추정기는 점근 정규성을 가지며, 제한 분산은 피셔 정보와 기준 함수의 곡률을 통해 명시적으로 기술할 수 있다.
• 초기 추정기의 점근 분산은 일단계 뉴턴-라프슨 보정을 통해 감소하여 효율성이 향상된다.
• 비모수적 밀도 추정기가 진짜 불변 밀도로 수렴하는 것으로 충분하여 기준 함수와 그에 기반한 추정기의 일치성을 보장한다.
• 이론적 분석은 추정된 밀도와 그 도함수의 균일 수렴에 의존하며, 약한 수렴 논증과 확률론적 코시-슈바르츠 부등식의 활용에 기반한다.
• 이 방법은 전이 밀도를 명시적으로 평가할 필요가 없어, 예를 들어 CIR 과정처럼 우도 계산이 불가능한 모델에도 적용 가능하다.