[논문 리뷰] Properties of Doubly Stochastic Poisson Process with affine intensity

Alan Genaro, Adilson Simonis|arXiv (Cornell University)|2011. 09. 13.

Stochastic processes and financial applications참고 문헌 15인용 수 3

한 줄 요약

이 논문은 선형 강도를 갖는 이중 스토케스틱 포아송 과정(DSPP)에 대한 확률 밀도 함수의 해석적 표현을 유도하여 정확한 우도 기반 추론을 가능하게 한다. 이 프레임워크는 일차원 펠러 과정 강도에 적용되며, 고주기 거래 데이터를 바탕으로 칼만 필터링을 통해 모수를 추정하여 금융 포인트 과정에 대한 다루기 쉬운 모델을 제공한다.

ABSTRACT

This paper discusses properties of a Doubly Stochastic Poisson Process (DSPP) where the intensity process belongs to a class of affine diffusions. For any intensity process from this class we derive an analytical expression for probability distribution functions of the corresponding DSPP. A specification of our results is provided in a particular case where the intensity is given by one-dimensional Feller process and its parameters are estimated by Kalman filtering for high frequency transaction data.

연구 동기 및 목표

• 강도가 선형 확산 과정을 따를 때 이중 스토케스틱 포아송 과정(DSPP)의 확률 분포에 대한 다루기 쉬운 해석적 프레임워크를 개발하는 것.
• 기존의 포인트 과정 모델을 선형 강도 동역학을 통합하여 확장함으로써 정확한 우도 계산이 가능하도록 하는 것.
• 이론적 프레임워크를 고주기 금융 거래 데이터에 적용하여 칼만 필터링을 통한 모수 추정을 수행하는 것.
• 실제 금융 환경에서 펠러 과정 강도의 모수를 추정하여 모델의 실증적 타당성을 검증하는 것.

제안 방법

• 강도 과정을 선형 확산으로 모델링하여 모멘트 생성 함수의 해석적 다루기 쉬움을 확보한다.
• 통합 강도의 라플라스 변환을 사용하여 DSPP의 확률 밀도 함수를 유도한다.
• 선형 구조를 활용하여 모멘트 생성 함수를 닫힌 형태로 표현함으로써 정확한 분포 계산이 가능하도록 한다.
• 고주기 거래 데이터로부터 일차원 펠러 과정 강도의 모수를 추정하기 위해 칼만 필터링을 적용한다.
• 해석적 분포로부터 유도된 우도 함수를 사용하여 관측된 포인트 과정 데이터에 모델을 校정한다.

실험 결과

연구 질문

• RQ1 강도 과정이 선형 강도를 갖는 DSPP에 대한 확률 밀도 함수의 해석적 형태는 무엇인가?
• RQ2 강도 과정의 선형 구조는 포인트 과정 모델에 대한 정확한 우도 계산을 어떻게 활용할 수 있는가?
• RQ3 칼만 필터링은 고주기 금융 거래 데이터에서 펠러 과정 강도의 모수를 효과적으로 추정할 수 있는가?
• RQ4 금융 거래 데이터에서 강도를 선형 확산으로 모델링할 경우의 실증적 함의는 무엇인가?

주요 결과

• 논문은 선형 강도 동역학 하에서 DSPP의 확률 밀도 함수에 대한 정확한 해석적 표현을 도출한다.
• 강도 과정의 선형 구조 덕분에 통합 강도의 모멘트 생성 함수를 닫힌 형태로 계산할 수 있다.
• 모델은 정확한 우도 기반 추론을 가능하게 하며, 이는 통계적 추정과 모델 검증에 있어 핵심적이다.
• 고주기 거래 데이터에 기반한 펠러 과정 강도의 모수 추정이 칼만 필터링을 통해 성공적으로 수행된다.
• 이 프레임워크는 이론적으로 타당하고 계산적으로 실현 가능한 방법을 제공하여 확률적 강도를 갖는 금융 포인트 과정을 모델링하는 데 유용하다.