[论文解读] Cross-variation of Young integral with respect to long-memory fractional Brownian motions

Ivan Nourdin, Rola Zintout|arXiv (Cornell University)|Nov 12, 2013

Stochastic processes and financial applications参考文献 11被引用 3

一句话总结

本文研究了以长记忆分数布朗运动（fBm）为驱动的二维过程的互变差的渐近行为，该过程以 Young 积分定义，且 Hurst 指数 $ H > \frac{1}{2} $。研究发现，当 $ H \leq \frac{3}{4} $ 时，归一化互变差收敛到混合高斯极限；当 $ H > \frac{3}{4} $ 时，极限由两个独立的 Rosenblatt 过程之差表示，从而在长记忆状态下为互变差提供了非中心极限定理。

ABSTRACT

We study the asymptotic behaviour of the cross-variation of two-dimensional processes having the form of a Young integral with respect to a fractional Brownian motion of index $H extgreater{} 1/ 2$. When $H$ is smaller than or equal to $3 / 4$, we show asymptotic mixed normality. When $H$ is strictly bigger than $3/4$, we obtain a limit that is expressed in terms of the difference of two independent Rosenblatt processes.

研究动机与目标

• 分析由分数布朗运动驱动的二维过程的互变差过程 $ J_n(t) $ 的渐近行为，其中 $ J_n(t) $ 定义为增量乘积的和。
• 在 Hurst 参数 $ H \in (\frac{1}{2}, 1) $ 的不同参数区间下，建立 $ J_n(t) $ 的极限定理，特别区分 $ H \leq \frac{3}{4} $ 与 $ H > \frac{3}{4} $ 的情形。
• 为统计推断提供理论基础，例如在分数布朗运动驱动的随机微分方程中检验原假设 $ \sigma^{1,2} = \sigma^{2,1} = 0 $。
• 将现有关于幂变差的结果推广至二维 fBm 设置下的互变差情形，尤其在 $ H > \frac{3}{4} $ 的非高斯区域。

提出的方法

• 过程 $ X_t $ 建模为关于二维分数布朗运动 $ B = (B^{(1)}, B^{(2)}) $ 的 Young 积分，其指数 $ H > \frac{1}{2} $，通过 Hölder 连续性保证路径可积性。
• 互变差 $ J_n(t) $ 根据被积函数和增量的增量展开，分解为三部分：$ A_n(t) $、$ S_n(t) $ 以及余项 $ R_{1,n}(t) $、$ R_{2,n}(t) $。
• 利用文献 [3] 中的加权随机和技巧，结合矩估计和 $ L^1 $ 收敛及依分布收敛，分析渐近行为。
• 当 $ H \leq \frac{3}{4} $ 时，通过涉及独立布朗运动的中心极限定理论证推导极限；当 $ H > \frac{3}{4} $ 时，极限涉及由 fBm 分量的线性组合构造的 Rosenblatt 过程。
• 证明依赖于将互变差分解为二次项与交叉项，关键步骤是应用引理 3.8 证明 $ a_n S_n(t) $ 的收敛性，其中 $ a_n $ 为依赖于 $ H $ 的归一化常数。
• 分析利用了 $ n^{2H-1} \sum (\Delta B^i_{k/n})^2 \to t $ 几乎必然成立的事实，从而可应用引理 3.7 获得二次变差项的几乎必然收敛。

实验结果

研究问题

• RQ1 对于由长记忆分数布朗运动驱动的二维 Young 积分，互变差过程 $ J_n(t) $ 的渐近分布是什么？
• RQ2 当 Hurst 指数 $ H $ 跨过阈值 $ \frac{3}{4} $ 时，$ J_n(t) $ 的极限行为如何变化？
• RQ3 当 $ H > \frac{3}{4} $ 时，是否可以为互变差建立非中心极限定理？若可以，极限过程是什么？
• RQ4 何种归一化 $ a_n $ 可确保 $ a_n J_n(t) $ 的依分布收敛？其依赖于 $ H $ 的方式如何？
• RQ5 如何利用互变差检验由 fBm 驱动的 SDE 中的统计原假设 $ \sigma^{1,2} = \sigma^{2,1} = 0 $？

主要发现

• 当 $ \frac{1}{2} < H \leq \frac{3}{4} $ 时，归一化互变差 $ n^{2H-1} J_n(t) $ 依概率收敛于 $ \int_0^t (\sigma^{1,1}_s \sigma^{1,2}_s + \sigma^{2,1}_s \sigma^{2,2}_s) ds $，确立了混合高斯极限的中心极限定理。
• 当 $ H > \frac{3}{4} $ 时，归一化互变差 $ a_n J_n(t) $ 依分布收敛于 $ \int_0^\cdot \sigma^{1,1}_s \sigma^{2,2}_s dZ_s $，其中 $ Z $ 为两个独立 Rosenblatt 过程之差，这两个过程由 $ \beta^{(1)} = \frac{1}{\sqrt{2}}(B^{(1)} + B^{(2)}) $ 和 $ \beta^{(2)} = \frac{1}{\sqrt{2}}(B^{(1)} - B^{(2)}) $ 构造。
• 归一化常数 $ a_n $ 为：当 $ H \in (\frac{1}{2}, \frac{3}{4}) $ 时为 $ n^{2H - 1/2} $，当 $ H = \frac{3}{4} $ 时为 $ \frac{n}{\sqrt{\log n}} $，当 $ H \in (\frac{3}{4}, 1) $ 时为 $ n $，反映了从高斯极限到非高斯极限的过渡。
• 在 $ \sigma $ 的 Hölder 正则性假设下，余项 $ R_{1,n}(t) $ 和 $ R_{2,n}(t) $ 在 $ L^1 $ 范数下趋于零，确保其不影响极限行为。
• 当 $ \sigma^{1,2} = \sigma^{2,1} = 0 $ 时，互变差退化为 $ a_n S_n(t) $，极限完全由交叉项 $ \Delta B^1_{k/n} \Delta B^2_{k/n} $ 驱动，这在高 $ H $ 区域导致 Rosenblatt 过程。
• 该结果扩展了先前关于幂变差的研究，处理了二维 fBm 设置下的互变差情形，并通过非中心极限理论解决了 $ H > \frac{3}{4} $ 的困难区域。