[논문 리뷰] Statistical inference for rough volatility: Minimax Theory

Carsten Chong, Marc Hoffmann외 3명|arXiv (Cornell University)|2022. 10. 03.

Financial Risk and Volatility Modeling인용 수 6

한 줄 요약

이 논문은 $ H < 1/2 $ 인 리드된 볼라틸리티 모델에서 허스트 파라미터 $ H $ 에 대한 최초의 미니맥스 최적 통계적 추론를 확립한다. 웨이블릿 기반 적응형 추정과 프리에버리징 기법을 사용하여, $ H $-추정의 최적 수렴 속도가 $ n^{-1/(4H+2)} $ 임을 증명하며, 매우 작은 $ H $ 에서도 $ \sqrt{n} $-유사 효율성을 달성함으로써 금융 통계 분야의 핵심 열린 질문을 해결한다.

ABSTRACT

Rough volatility models have gained considerable interest in the quantitative finance community in recent years. In this paradigm, the volatility of the asset price is driven by a fractional Brownian motion with a small value for the Hurst parameter $H$. In this work, we provide a rigorous statistical analysis of these models. To do so, we establish minimax lower bounds for parameter estimation and design procedures based on wavelets attaining them. We notably obtain an optimal speed of convergence of $n^{-1/(4H+2)}$ for estimating $H$ based on n sampled data, extending results known only for the easier case $H&gt;1/2$ so far. We therefore establish that the parameters of rough volatility models can be inferred with optimal accuracy in all regimes.

연구 동기 및 목표

• 이산 가격 관측치로부터 리드된 볼라틸리티 모델에서 허스트 파라미터 $ H $ 의 통계적 한계를 엄밀히 확립하는 것.
• $ H < 1/2 $ 일 때 $ H $-추정의 최소 최대 최적 수렴 속도를 결정하여, 이전에 $ H > 1/2 $ 에 국한된 결과를 확장하는 것.
• 잠재적이고 리드된 볼라틸리티 과정의 특성에도 불구하고 최소 최대 최적성을 달성하는 적응형 웨이블릿 기반 추정 절차를 개발하는 것.
• $ H \to 0 $ 일 때에도 관측된 가격 데이터로부터 $ H $ 가 일致적으로 추론될 수 있음을 검증하는 것, 근사 파rametric 효율성 달성 가능 여부 포함.

제안 방법

• 비마르코프, 비마르코프 설정에서 국소 점근 정규성 및 검정 기반의 $ H $ 추정을 위한 최소 최대 하한을 유도한다.
• 고빈도 가격 데이터로부터 규칙성 정보를 추출하기 위해 웨이블릿 기반 이차 기능 추정을 적용한다.
• 마이크로스트럭처 노이즈를 감소시키고 볼라틸리티 변동성의 강인 추정량을 구성하기 위해 프리에버리징 기법을 사용한다.
• 다양한 부드러움 수준에서 편향과 분산을 통제하기 위해 웨이블릿 도메인에서의 적응형 임계값 처리를 시행한다.
• 헤더르 타입의 매개변수 공간 $ \mathcal{D} $ 에서 추정량의 균일한 강한 수렴성을 확립하여 $ H \in (0,1/2) $ 전역에서 안정성을 보장한다.
• 집중 불등식과 웨이블릿 계수 모멘트 경계를 활용하여 $ \widehat{H}_n $ 와 $ \widehat{\eta}_n $ 의 확률적 오차를 통제한다.

실험 결과

연구 질문

• RQ1 리드된 볼라틸리티 모델에서 $ H < 1/2 $ 일 때 허스트 파라미터 $ H $ 를 추정하는 데 있어 최적의 수렴 속도는 무엇인가?
• RQ2 잠재적 볼라틸리티 과정을 지배하는 허스트 파라미터 $ H $ 는 이산 가격 관측치로부터 일致적으로 추정될 수 있는가?
• RQ3 $ H \to 0 $ 일 때 $ H $-추정의 통계적 효율성은 떨어지는가, 아니면 근사 $ \sqrt{n} $ -속도 성능을 달성할 수 있는가?
• RQ4 웨이블릿 기반 방법은 비마르코프, 리드된 볼라틸리티 모델에서 최소 최대 최적성을 달성하기 위해 어떻게 적응화될 수 있는가?

주요 결과

• 이산 가격 관측치 $ n $ 개로부터 $ H $ 를 추정하는 데 있어 최소 최대 최적 수렴 속도는 $ n^{-1/(4H+2)} $ 이며, 이는 $ H \in (0,1/2) $ 전역에서 유효하며, 이전에 $ H > 1/2 $ 에 국한된 결과를 확장한다.
• $ H \to 0 $ 일 때 수렴 속도는 $ n^{-1/2} $ 에 수렴하며, 이는 표준 파arametric 모델의 효율성과 일치하여 리드된 영역에서 근사 최적 성능임을 시사한다.
• 제안된 웨이블릿 기반 적응형 추정량은 최소 최대 최적성을 달성하며, 유도된 하한과 동일한 수렴 속도를 보인다.
• 프리에버리징과 웨이블릿 임계값 처리 덕분에 모형 오특사정 및 마이크로스트럭처 노이즈에 대해 강인함을 유지한다.
• 컴act 부분집합에 대해 추정량의 균일한 강한 수렴성이 확립되어 $ (0,1/2) $ 내의 다양한 $ H $ 값에서 안정성이 보장된다.
• 분석을 통해 $ H $ 는 잠재적이고 리드된 볼라틸리티 과정을 지배함에도 불구하고 관측된 가격 데이터로부터 일致적으로 추론될 수 있음이 확인된다.