[논문 리뷰] Discretely sampled signals and the rough Hoff path

Guy Flint, Ben Hambly외 1명|arXiv (Cornell University)|2013. 10. 15.

Stochastic processes and financial applications인용 수 1

한 줄 요약

이 논문은 이산적으로 샘플링된 semimartingale에서 과거와 향후 증분을 조합하여 구성된 조각별 선형이고 축을 따라가는 rough path인 Hoff 과정을 소개한다. 이 과정을 통해 랜덤 ODE의 해의 극한으로 Itô 적분이 도출됨을 증명하며, Wong-Zakai 이론에서 예상하는 Stratonovich 극한과 대비되며, 확률적 적분에 대해 금융 해석이 가능한 프레임워크를 제공한다.

ABSTRACT

We introduce a canonical method for transforming a discrete sequential data set into an associated rough path made up of lead-lag increments. In particular, by sampling a $d$-dimensional continuous semimartingale $X:[0,1] ightarrow \mathbb{R}^d$ at a set of times $D=(t_i)$, we construct a piecewise linear, axis-directed process $X^D: [0,1] ightarrow\mathbb{R}^{2d}$ comprised of a past and future component. We call such an object the Hoff process associated with the discrete data $\{X_{t}\}_{t_i\in D}$. The Hoff process can be lifted to its natural rough path enhancement and we consider the question of convergence as the sampling frequency increases. We prove that the Ito integral can be recovered from a sequence of random ODEs driven by the components of $X^D$. This is in contrast to the usual Stratonovich integral limit suggested by the classical Wong-Zakai Theorem. Such random ODEs have a natural interpretation in the context of mathematical finance.

연구 동기 및 목표

• 이산 순차적 데이터를 확률적 분석에 적합한 rough path 표현으로 변환하는 표준화된 방법을 개발하기 위해.
• 샘플링된 semimartingale에서 조각별 선형이고 축을 따라가는 과정을 구성하여 데이터의 앞서기와 뒤처짐 성분을 모두 포착하기 위해.
• 증가하는 샘플링 주파수 하에서 구성된 과정의 rough path 강화가 Itô 적분으로 수렴함을 확립하기 위해.
• 클래식한 Stratonovich 극한과는 다름없이, Hoff 과정에 의해 구동되는 랜덤 ODE를 통한 확률적 적분의 새로운 해석을 제공하기 위해.
• 이산 샘플링 환경에서의 확률적 적분을 위한 수학적으로 엄밀하고 금융 해석이 가능한 프레임워크를 제공하기 위해.

제안 방법

• 이산 시간 $D = \{t_i\}$에서 샘플링된 $d$차원 연속 semimartingale $X$를 구성하여 관측값의 수열 $\{X_{t_i}\}$를 형성한다.
• Hoff 과정 $X^D: [0,1] \to \mathbb{R}^{2d}$를 정의하며, 이는 $X$의 증분으로부터 유도된 과거 및 향후 성분을 조합한 조각별 선형이고 축을 따라가는 과정이다.
• Hoff 과정 $X^D$를 자연스러운 rough path 강화로 승격시켜 rough path 이론 프레임워크 내에서 분석이 가능하도록 한다.
• 샘플링이 조밀해질수록 Hoff 과정 $X^D$가 원래 semimartingale의 표준 rough path로 수렴함을 증명한다.
• Hoff 과정의 성분에 의해 구동되는 랜덤 상미분방정식(SDEs)의 수열을 제작하며, 그 해들이 원래 semimartingale의 Itô 적분을 복원함을 보여준다.
• 이러한 랜덤 ODE의 극한이 Itô 적분을 유도함을 확립하며, Wong-Zakai 정리에서 예상하는 바와는 달리 Stratonovich 극한이 아닌 것으로 대비된다.

실험 결과

연구 질문

• RQ1 연속 semimartingale에서 유도된 이산 데이터 세트를 체계적으로 확률적 적분에 적합한 rough path로 변환하는 방법은 무엇인가?
• RQ2 샘플링 주파수가 증가함에 따라 Hoff 과정의 rough path 강화의 극한 행동은 어떠한가?
• RQ3 이산적으로 샘플링된 과정에 의해 구동되는 랜덤 ODE의 해의 극한으로서 Itô 적분을 복원할 수 있는가?
• RQ4 Hoff 과정의 수렴이 고전적 Wong-Zakai 결과와 어떻게 다를 수 있는가? 특히 적분 유형(Itô 대비 Stratonovich) 측면에서.
• RQ5 이산 시간 확률 모델링 맥락에서 Hoff 과정에 의해 구동되는 랜덤 ODE의 금융 해석은 무엇인가?

주요 결과

• Hoff 과정은 $d$차원 semimartingale의 이산 증분에서 유도된 조각별 선형이고 축을 따라가는 경로로서 $\mathbb{R}^{2d}$에 존재하며, 앞서기와 뒤처짐 성분을 모두 포착한다.
• Hoff 과정의 rough path 강화는 샘플링이 조밀해질수록 원래 연속 semimartingale의 표준 rough path로 수렴한다.
• Hoff 과정의 성분에 의해 구동되는 랜덤 ODE의 해는 원래 semimartingale의 Itô 적분으로 수렴한다.
• 이러한 Itô 적분으로의 수렴은 고전적 Wong-Zakai 정리와 대비되며, 유사한 조건 하에서 Stratonovich 적분으로 수렴한다는 예측과는 다르다.
• 이 프레임워크는 이산 확률적 적분에서 Wong-Zakai 유형의 근사에 대한 수학적으로 엄밀하고 금융 해석이 가능한 대안을 제공한다.
• 이 방법은 데이터가 이산적으로 관측되는 환경에서의 확률적 적분을 위한 새로운 계산적 경로를 제공하며, 정량 금융과 직접적인 관련성을 가진다.