[论文解读] Convergence rates of maximal deviation distribution for projection estimates of Lévy densities

Valentin Konakov, Vladimir Panov|arXiv (Cornell University)|Nov 18, 2014

Stochastic processes and financial applications参考文献 20被引用 3

一句话总结

该论文在高频设定下，通过基于高斯过程近似和水平集分析的统一框架，建立了投影估计器对Lévy密度的极大偏差分布的多项式收敛速率。证明了归一化极大偏差的极限分布以多项式速度收敛至Gumbel分布，优于以往的对数速率。

ABSTRACT

In this paper, we consider projection estimates for Lévy densities in high-frequency setup. We give a unified treatment for different sets of basis functions and focus on the asymptotic properties of the maximal deviation distribution for these estimates. Our results are based on the idea to reformulate the problems in terms of Gaussian processes of some special type and to further analyze these Gaussian processes. In particular, we construct a sequence of excursion sets, which guarantees the convergence of the deviation distribution to the Gumbel distribution. We show that the rates of convergence presented in previous articles on this topic are logarithmic and construct the sequences of accompanying laws, which approximate the deviation distribution with polynomial rate.

研究动机与目标

• 分析高频设定下投影估计器对Lévy密度的极大偏差分布的渐近行为。
• 在统一的分析框架下，统一处理不同基函数——三角函数、勒让德多项式及小波基。
• 通过构造伴随分布序列，将现有对数收敛速率改进为多项式收敛速度。
• 通过构造适当的水平集，建立极大偏差分布收敛至Gumbel分布的理论。
• 提供估计器与真实密度之间偏差的非渐近分析，同时考虑偏差与方差分量。

提出的方法

• 将极大偏差问题重新表述为基于基函数的高斯过程，从而可应用极值理论。
• 为高斯过程构造一列水平集，以确保偏差分布收敛至Gumbel分布。
• 利用Pickands定理与泰勒展开，分析过程首次通过时间的渐近行为。
• 通过在协方差函数上施加局部同调性与全局Hölder条件，控制过程的样本路径行为。
• 利用Lévy过程的小时间渐近性质及基函数的矩条件，推导偏差与方差界。
• 通过集中不等式与基函数结构（如勒让德多项式、小波）建立偏差的统一有界性。

实验结果

研究问题

• RQ1 投影估计器与真实Lévy密度之间极大偏差分布的收敛速率是什么？
• RQ2 在一般基函数下，归一化极大偏差的极限分布是否可证明收敛至Gumbel分布？
• RQ3 与现有对数速率相比，所提出的多项式速率在收敛速度上有何优势？
• RQ4 对基函数（如三角函数、勒让德多项式、小波）需满足何种条件，才能保证渐近近似的有效性？
• RQ5 能否在定义域上统一控制投影估计器中的偏差项，以确保整体收敛速率？

主要发现

• 投影估计器的极大偏差分布以多项式速率收敛至Gumbel分布，优于以往的对数速率。
• 对于勒让德多项式基，通过构造具有显式展开的伴随分布，证明了偏差分布的多项式收敛速率。
• 估计器中的偏差项被控制在 $ \breve{c} n^{(3\varkappa/2)-1} m^{1/2} $ 以内，当 $ m $ 与 $ n $ 选择适当时可忽略不计。
• 归一化极大偏差满足 $ \mathbb{P}\left\{ \sqrt{\frac{T}{m}} \sup_{x\in D} \frac{|\hat{s}_n(x) - \mathbb{E}\hat{s}_n(x)|}{\sqrt{s(x)}} \leq u_m \right\} \to e^{-2e^{-y}} $，证实了Gumbel收敛。
• 伴随分布序列 $ W_m $ 满足 $ W_m \to -2e^{-y}(1 + R(m)) $，且 $ R(m) \to 0 $ 以多项式速度收敛。
• 证明在紧集上实现了统一收敛，使得Gumbel极限分布可带误差界 $ O(n^{-\lambda}) $ 使用。