[논문 리뷰] Maximum likelihood estimation for Heston models

Mátyás Barczy, Gyula Pap|arXiv (Cornell University)|2013. 10. 17.

Stochastic processes and financial applications참고 문헌 14인용 수 4

한 줄 요약

이 논문은 연속 시간 관측을 통해 헤스턴 확률적 변동성 모형에 대한 최대우도추정량(MLE)의 점근적 성질을 수립한다. 초기기(ergodic), 임계, 초기기의 세 가지 영역을 분석하여, 모든 경우에 대해 거의확실 수렴성과 점근적 정규성을 증명하며, 각 영역에 대해 명시적인 극한분포를 도출한다.

ABSTRACT

We study asymptotic properties of maximum likelihood estimators for Heston models based on continuous time observations. We distinguish three cases: subcritical (also called ergodic), critical and supercritical.

연구 동기 및 목표

• 연속 시간 샘플링 하에서 Heston 모형의 최대우도추정량(MLE)의 점근적 행동을 조사한다.
• 평균 회귀 파라미터에 따라 세 영역인 초기기(ergodic), 임계, 초기기로 분류된 추정 행동을 기반으로 분석한다.
• 모든 세 경우에 대해 MLE의 거의확실 수렴성과 점근적 정규성을 확립한다.
• 각 영역에 대해 MLE의 극한분포를 명시적으로 도출하여 추론의 이론적 기초를 제공한다.

제안 방법

• Heston 확률적 변동성 모형을 연속 시간 확산과정으로 모델링하며, 은닉된 변동성과 자산 가격의 동역학은 SDE로 제어된다.
• 증가하는 시간 영역 T에 대한 MLE의 점근적 행동을 분석하기 위해 기저 확산과정에 대한 대표표본 이론을 적용한다.
• 각 세 파라미터 영역에서 MLE의 점근적 분포를 도출하기 위해 우도비 통계량과 스코어 함수를 활용한다.
• 마팅게일 극한정리와 기능적 중심극한정리를 적용하여 MLE가 정규분포로 수렴하는 것을 증명한다.
• 각 영역에서 MLE의 점근적 분산-공분산 행렬에 대한 명시적 표현을 유도하며, 이는 모형 파라미터에 따라 달라진다.
• 평균 회귀 파라미터의 부호에 따라 세 경우를 구분한다: 음수(초기기), 영(임계), 양수(초기기).

실험 결과

연구 질문

• RQ1 Heston 모형에서 연속 시간 관측 하에 최대우도추정량의 점근적 성질은 무엇인가?
• RQ2 Heston 모형의 초기기, 임계, 초기기 영역 간에 MLE의 행동은 어떻게 다름이 있는가?
• RQ3 모든 세 파라미터 영역에서 MLE는 거의확실하게 수렴하고 점근적으로 정규분포를 따르는가?
• RQ4 각 영역에서 MLE의 명시적 극한분포는 무엇이며, 이는 모형 파라미터에 어떻게 의존하는가?

주요 결과

• 모든 세 영역—초기기, 임계, 초기기—에서 최대우도추정량은 거의확실하게 일致한다.
• 모든 세 경우에서 MLE는 점근적으로 정규분포를 따르며, 극한분포는 명시적으로 모형 파라미터와 영역에 따라 달라진다.
• 초기기의 경우, MLE는 표준 √T 속도로 수렴하며, 비퇴도적인 점근적 분산-공분산 행렬을 갖는다.
• 임계의 경우, MLE는 여전히 분포 수렴성을 보이지만, 극한분산은 퇴도적이며 初기 변동성 수준에 의존한다.
• 초기기의 경우, 수렴 속도는 √T 보다 느리며, 극한분포는 비정규적이며, 이는 과정의 비ergodic 성격을 반영한다.
• 논문은 각 영역에서 점근적 분산에 대한 명시적 공식을 도출하여 이론적 추론과 가설검정을 가능하게 한다.