[論文レビュー] Adaptive estimation and noise detection for an ergodic diffusion with observation noises

Shogo H. Nakakita, Masayuki Uchida|arXiv (Cornell University)|Nov 13, 2017

Stochastic processes and financial applications参考文献 3被引用数 6

ひとこと要約

本稿では、観測ノイズを伴う定常的拡散過程に対する、適応的最尤推定法を提案する。この手法により、拡散、ドリフト、観測ノイズ分散パラメータの漸近的独立かつ有効な推定が可能になる。逐次推定により計算負荷を低減し、観測ノイズの存在を検出する一貫性のある仮説検定を導入。実データとして風速データを用いた検証では、顕著なノイズ検出結果が得られた。

ABSTRACT

We research adaptive maximum likelihood-type estimation for an ergodic diffusion process where the observation is contaminated by noise. This methodology leads to the asymptotic independence of the estimators for the variance of observation noise, the diffusion parameter and the drift one of the latent diffusion process. Moreover, it can lessen the computational burden compared to simultaneous maximum likelihood-type estimation. In addition to adaptive estimation, we propose a test to see if noise exists or not, and analyse real data as the example such that data contains observation noise with statistical significance.

研究の動機と目的

• 観測が独立ノイズによって汚染される定常的拡散過程のための適応的推定フレームワークを開発すること。
• すべてのパラメータを同時に最尤推定するのと比較して、計算複雑性を低減すること。
• 拡散、ドリフト、ノイズ分散パラメータの推定量の漸近的独立性と正規性を確立すること。
• 観測ノイズの存在を検出するための一貫性のある統計的仮説検定を提案すること（H₀: Λ = O 対 H₁: Λ ≠ O）。
• 実高頻度風速データを用いて手法を検証し、標準的な拡散モデルと結果を比較すること。

提案手法

• 観測の実現二次変動を用いて、最初に観測ノイズ分散を推定する逐次推定スキームを提案。
• 推定されたノイズ分散をもとに、2段階に分け、拡散およびドリフトパラメータの準尤度関数を計算。
• 局所平均とブロック単位の解析を用いて、高頻度サンプリング（hn → 0, nhn → ∞）下での漸近的性質を導出。
• 異なる収束速度を持つ α（拡散）、β（ドリフト）、θε（ノイズ分散）の推定量の漸近的正規性と独立性を導出。
• 局所平均の四次の変動に基づく検定統計量を導入し、H₀: Λ = O 対 H₁: Λ ≠ O を検定。
• 実データ解析における比較のベンチマークとして、局所ガウス近似（LGA）法を適用。

実験結果

リサーチクエスチョン

• RQ1 適応的推定は、観測ノイズが存在する定常的拡散過程において、計算コストを低減しつつ漸近的有効性を維持できるか？
• RQ2 高頻度サンプリング下で、拡散、ドリフト、ノイズ分散パラメータの推定量は漸近的に独立かつ正規分布に従うか？
• RQ3 提案された検定は、真のノイズ分散が非ゼロの場合に、観測ノイズの存在を一貫して検出できるか？
• RQ4 実高頻度データにおいて、ノイズ付き拡散モデルの性能は、標準的拡散モデルと比較してどうなるか？
• RQ5 観測ノイズを無視した場合、標準的なLGAに基づく推論の妥当性にどのような影響が生じるか？

主な発見

• 提案された適応的推定法は、従来の同時推定手法とは異なり、α、β、θε の推定量が異なる収束速度で漸近的独立かつ正規分布に従うことを達成した。
• 観測ノイズの検定（H₀: Λ = O）は一貫性を有し、H₁のもとで検定統計量が非退化限界に確率的に収束する。
• 実2次元風速データでは、ノイズ付き拡散モデルが ˆΛn = [[6.67×10⁻³, 3.75×10⁻⁵], [3.75×10⁻⁵, 6.79×10⁻³]] と推定し、統計的に有意な観測ノイズが存在することが示された。
• 同じデータにLGA法を適用した結果、推定された拡散ボラティリティは著しく大きくなった（例：約44 対 約13）。これは、観測ノイズを無視すると真の拡散ダイナミクスが過大評価されることを示唆している。
• 結果から、観測ノイズを考慮しないとLGA法の理論的最適性が破綻することを示しており、ノイズ検出の必要性が強調された。
• 理論的分析により、局所平均の四次の変動が、c²_S(·) と真のノイズ分散 Λ⋆ に依存する極限に収束することが確認され、検定の構築が可能になった。