[论文解读] WAVELET ANALYSIS OF A CONTINUOUS-TIME GAUSSIAN PROCESS OBSERVED AT RANDOM TIMES AND ITS APPLICATION TO THE ESTIMATION OF THE SPECTRAL DENSITY

Jean‐Marc Bardet, R. Bertrand|arXiv (Cornell University)|May 1, 2008

Financial Risk and Volatility Modeling参考文献 16被引用 5

一句话总结

本文提出了一种基于小波的非参数估计方法，用于估计在随机时间点观测到的具有平稳增量的高斯过程的谱密度。通过利用连续时间小波变换，该方法在不规则采样条件下仍能实现一致的谱估计，为不规则采样数据场景下的谱分析提供了一种稳健的方法。

ABSTRACT

... data are observed at random times. From a wavelet analysis, one derives a nonparametric estimator of the spectral density of a Gaussian process with stationary increments (also stationary Gaussian process) observed at random times.

研究动机与目标

• 解决在连续时间高斯过程以随机、不规则时间点被观测时，估计谱密度的挑战。
• 开发一种在不规则采样条件下仍保持统计有效性的非参数估计方法。
• 将基于小波的谱分析方法扩展至具有平稳增量的过程，而不仅限于平稳过程。
• 在随机观测时间存在的情况下，提供一种一致且高效的谱密度估计器。

提出的方法

• 该方法采用观测到的高斯过程的连续小波变换（CWT），以提取时频特征。
• 利用不同尺度上的小波系数，构建基于小波的周期图。
• 谱密度估计器由小波系数模平方的期望推导得出，并对随机采样效应进行了校正。
• 该估计器为非参数方法，不假设谱密度具有特定的参数形式。
• 通过将采样瞬时的分布纳入期望计算，考虑了随机观测时间的影响。
• 在采样过程和底层过程满足正则性条件的前提下，建立了估计器的一致性等理论性质。

实验结果

研究问题

• RQ1 当观测发生在随机时间点时，小波分析能否被有效适配以估计具有平稳增量的高斯过程的谱密度？
• RQ2 随机采样机制如何影响基于小波的谱估计器的偏差与方差？
• RQ3 在不规则采样条件下，所提出的基于小波的估计器的理论一致性如何？
• RQ4 与经典谱估计技术相比，该方法在不规则数据下的鲁棒性与效率表现如何？
• RQ5 为使估计器保持一致，采样过程和底层过程需要满足哪些关键正则性条件？

主要发现

• 在采样过程和底层高斯过程满足温和正则性条件时，所提出的基于小波的估计器对谱密度具有一致性。
• 该方法通过将随机观测时间纳入小波系数期望计算，有效处理了不规则采样问题。
• 即使在稀疏或非均匀采样条件下，估计器仍保持良好的有限样本性能。
• 理论分析证实，基于小波的方法在随机采样条件下为经典周期图方法提供了一种有效的非参数替代方案。
• 只要采样过程是遍历的且平均密度足够高，该方法对采样时间分布具有鲁棒性。