[논문 리뷰] Robust Inferential Methodology for Multidimensional Diffusion Processes

Sourojyoti Barick|arXiv (Cornell University)|2026. 03. 13.

Control Systems and Identification인용 수 0

한 줄 요약

고빈도 다변량 확산 모델에 대해 최소 밀도 거듭제곱 발산 추정기(MDPDE)를 사용한 강건한 추론 프레임워크를 제시하며, 일관성, 점근 정상성 및 오염에 대한 강건성을 제공합니다.

ABSTRACT

We investigate robust parameter estimation and testing procedure for multivariate diffusion processes observed at high frequency via the minimum density power divergence estimator (MDPDE). Within a general diffusion framework and under standard regularity conditions, we establish consistency and asymptotic normality for the estimators of both drift and diffusion parameters. The drift estimator converges at the $\sqrt{n h_n}$ rate, whereas the diffusion estimator attains the standard $\sqrt{n}$ rate, and the two estimators are shown to be asymptotically independent. The proposed methodology constitutes a robust alternative to quasi-likelihood and ordinary least squares based approaches, offering resilience against outliers, local contamination, and mild model misspecification, while remaining asymptotically equivalent to classical methods in the absence of contamination. Simulation studies demonstrate that the MDPDE achieves reliable finite-sample performance and enhanced numerical stability relative to likelihood-based estimators. These results underscore the practical relevance of divergence-based estimation for high-frequency diffusion models and point to natural extensions to more complex continuous-time settings.

연구 동기 및 목표

• 오염 및 모델 잘못설정 아래에서 다변량 확산 프로세스에 대한 강건한 추론의 필요성을 제시한다.
• 이산 관찰되는 확산의 드리프트 및 확산 매개변수 모두에 대해 MDPDE 기반 추정 프레임워크를 개발한다.
• 고주파 샘플링 하에서 드리프트 및 확산 추정치의 일관성과 점근 정상성을 확립한다.
• 시뮬레이션을 통해 가능도 기반 방법에 비해 강건성과 유한 샘플 안정성을 보인다.

제안 방법

• 로컬 가우시안 전이 밀도를 갖는 이산 관찰 다변량 확산에 대해 최소 밀도 거듭제곱 발산 추정기(MDPDE)를 확장한다.
• 조건부 분포에 대한 오일러-마유야마 근사를 사용하여 MDPDE 목적함수를 정의한다.
• 지정된 규칙성 가정 하에 고주파 샘플링에서 드리프트 및 확산 추정치의 일관성과 점근 정상성을 증명한다.
• 드리프트 매개변수에 대한 Wald-type 검정과 드리프트와 확산 추정치 간의 독립성을 보여주는 공동 점근성 결과를 도출한다.
• 오염 하에서 유한 샘플 성능을 평가하기 위해 확산 과정을 VAR(1)-유형 모델과 연결하는 시뮬레이션 설정을 제공한다.

실험 결과

연구 질문

• RQ1 MDPDE가 고주파에서 관찰된 다변량 확산 모델의 드리프트 및 확산 매개변수에 대해 강건하고 일관되며 점근적으로 정상적인 추정을 달성할 수 있는가?
• RQ2 제안된 프레임워크에서 드리프트 추정치와 확산 추정치가 여전히 점근적으로 독립적인가?
• RQ3 데이터 오염 하에서 튜닝 매개변수 alpha에 의한 강건성이 전통적 가능도 방법과 어떻게 비교되는가?
• RQ4 고차원 확산 설정에서 MDPDE의 유한 샘플 성능과 안정성 이점은 무엇인가?

주요 결과

• 고주파 샘플링 하에서 드리프트 및 확산 매개변수에 대한 MDPDE 추정치는 일관성과 점근 정상성을 가진다.
• 드리프트 추정치는 sqrt(n h_n) 속도로 수렴하고, 확산 추정치는 표준 sqrt(n) 속도로 수렴한다.
• 다변량 설정에서도 드리프트와 확산 추정치는 점근적으로 독립적이다.
• 시뮬레이션 연구는 가능도 기반 추정기에 비해 수치적 안정성과 이상치에 대한 강건성이 향상됨을 시사한다.
• 프레임워크는 드리프트 매개변수에 대한 Wald-type 검정을 제공하고 명시적 점근 공분산 구조를 제시한다.