[论文解读] Estimating discontinuous periodic signals in a non-time homogeneous diffusion process

Reinhard Hoepfner, Yury A. Kutoyants|arXiv (Cornell University)|Mar 29, 2009

Stochastic processes and statistical mechanics参考文献 27被引用 3

一句话总结

本文研究了带有一个通过未知相位偏移 $\vartheta$ 引入的不连续周期信号的时间非时齐扩散过程的参数估计问题。通过在正Harris遍历条件下建立鞅和泛函的极限定理，本文在非标准框架下证明了局部渐近正态性，表明似然比收敛到一个双侧布朗运动模型。关键结果是，在此极限实验中，贝叶斯估计量的二次风险低于最大似然估计量，证实了其在该非正则设定下的优越性。

ABSTRACT

We consider a diffusion $(ξ_t)_{t\ge 0}$ with some $T$-periodic time dependent input term contained in the drift: under an unknown parameter $\vth\inΘ$, some discontinuity - an additional periodic signal - occurs at times $kT{+}\vth$, $k\in\bbn$. Assuming positive Harris recurrence of $(ξ_{kT})_{k\in\bbn_0}$ and exploiting the periodicity structure, we prove limit theorems for certain martingales and functionals of the process $(ξ_t)_{t\ge 0}$. They allow to consider the statistical model parametrized by $\vth\inΘ$ locally in small neighbourhoods of some fixed $\vth$, with radius $1/n$ as $ to$. We prove convergence of local models to a limit experiment studied by Ibragimov and Khasminskii [IH 81] and discuss the behaviour of estimators under contiguous alternatives.

研究动机与目标

• 分析具有时间非时齐漂移且包含由 $\vartheta$ 参数化的周期性不连续性的扩散过程的统计推断。
• 在非平稳、周期性扩散设定下，建立鞅和泛函的极限定理。
• 研究局部模型收敛到一个似然比形式为 $\exp(W_u - \frac{1}{2}|u|)$ 的极限实验，该形式由Ibragimov和Khasminskii所研究。
• 比较此非正则、非 $L^2$-可微模型中最大似然估计量与贝叶斯估计量的渐近性能。
• 推导局部渐近最小极大界，并证明在半径为 $1/n$ 的收缩邻域内，贝叶斯序列可达到该界。

提出的方法

• 利用半群的周期性结构，证明 $T$-分段过程 $((\xi_{kT+s})_{0\leq s\leq T})_{k\in\mathbb{N}_0}$ 的正Harris遍历性。
• 建立从连续时间扩散 $\xi_t$ 导出的泛函和鞅的强有力大数定律及极限定理。
• 使用Le Cam的第三 lemma 和渐近等变性，分析在邻近替代假设下的估计量。
• 在 $\vartheta$ 处构造局部模型，局部尺度为 $1/n$，当 $n \to \infty$ 时，证明其收敛到一个似然比为 $\widetilde{L}^{u/0} = \exp(\widetilde{W}(uJ_\vartheta) - \tfrac{1}{2}|uJ_\vartheta|)$ 的极限实验。
• 利用双侧布朗运动 $\widetilde{W}$ 分析极限实验，其中参数化在Hellinger距离下为 $\tfrac{1}{2}$-霍赫德连续。
• 推导局部渐近最小极大界，并证明使用均匀先验的贝叶斯估计量可达到该界，从而证明其在二次风险下的最优性。

实验结果

研究问题

• RQ1 在 $\vartheta$ 处的局部参数化下，带不连续周期信号的时间非时齐扩散的统计模型在渐近行为上如何表现？
• RQ2 当 $n \to \infty$ 时，扩散过程的局部模型收敛到哪个极限实验？
• RQ3 在此非正则模型中，最大似然估计量与贝叶斯估计量在渐近二次风险方面的表现如何比较？
• RQ4 是否可在此设定下推导出局部渐近最小极大界，且该界是否可达？
• RQ5 在该极限实验中，贝叶斯估计量是否严格优于最大似然估计量？

主要发现

• 在 $\vartheta$ 处的局部模型收敛到一个似然比为 $\widetilde{L}^{u/0} = \exp(\widetilde{W}(uJ_\vartheta) - \frac{1}{2}|uJ_\vartheta|)$ 的极限实验，其中 $\widetilde{W}$ 为双侧布朗运动。
• 该极限实验既非局部渐近正态，也非 $L^2$-可微，且缺乏充分统计量或中心极限结构。
• 在半径为 $1/n$ 的收缩邻域内，使用 $\mathbb{R}$ 上均匀先验的贝叶斯估计量达到了局部渐近最小极大界。
• 在极限实验中，贝叶斯估计量的方差严格小于最大似然估计量，证实了其优越性。
• 证明依赖于渐近等变性、Le Cam的第三 lemma，以及后验均值在极限测度下收敛到贝叶斯风险。
• 似然比的收敛性在 $\vartheta$ 上并非一致，作者避免了该假设，转而使用邻近替代和后验密度的详细尾部分析。