[论文解读] Estimation of ordinal pattern probabilities in fractional Brownian motion

Mathieu Sinn, Karsten Keller|ArXiv.org|Jan 10, 2008

Financial Risk and Volatility Modeling参考文献 19被引用 3

一句话总结

本文对分数布朗运动（fBm）中赫斯特参数的零交叉（ZC）估计量进行了严格的统计分析，证明其在 H < 3/4 时具有强一致性与渐近正态性。研究建立了 H 的置信区间，表明尽管 ZC 估计量的方差高于 HEAF 估计量，但其偏差更低；并证明了序数模式概率在单调变换下保持不变。

ABSTRACT

For equidistant discretizations of fractional Brownian motion (fBm), the probabilities of ordinal patterns of order d=2 are monotonically related to the Hurst parameter H. By plugging the sample relative frequency of those patterns indicating changes between up and down into the monotonic relation to H, one obtains the Zero Crossing (ZC) estimator of the Hurst parameter which has found considerable attention in mathematical and applied research. In this paper, we generally discuss the estimation of ordinal pattern probabilities in fBm. As it turns out, according to the sufficiency principle, for ordinal patterns of order d=2 any reasonable estimator is an affine functional of the sample relative frequency of changes. We establish strong consistency of the estimators and show them to be asymptotically normal for H&lt;3/4. Further, we derive confidence intervals for the Hurst parameter. Simulation studies show that the ZC estimator has larger variance but less bias than the HEAF estimator of the Hurst parameter.

研究动机与目标

• 建立分数布朗运动（fBm）中序数模式概率估计量的统计性质，特别关注赫斯特参数 H 的零交叉（ZC）估计量。
• 证明当 H < 3/4 时，ZC 估计量具有强一致性和渐近正态性，从而扩展其在时间序列分析中应用的理论基础。
• 推导样本变化相对频率方差的精确表达式与渐近表达式，从而实现 H 的精确置信区间构造。
• 在不同 H 值与样本量下，比较 ZC 估计量与 HEAF 估计量在偏差、方差及有限样本性能方面的表现。
• 证明序数模式概率估计量在 fBm 的单调变换下保持不变，支持其在实际应用中的稳健性。

提出的方法

• 利用充分性原理证明：在 fBm 中对 d=2 的序数模式，任何合理的估计量必须是样本变化相对频率（即上升-下降或下降-上升转换）的仿射函数。
• 应用 delta 方法与中心极限定理，推导在 H < 3/4 条件下 ZC 估计量的渐近正态性。
• 推导样本变化相对频率方差的精确公式与渐近等价公式，用于构建 H 的置信区间。
• 通过模拟研究（50,000 次 fBm 实现）评估偏差、方差与置信区间覆盖概率，样本量范围为 n = 128 至 8192，H 值范围为 0.55 至 0.95。
• 通过将样本自协方差代入与 H 呈单调关系的函数，将 ZC 估计量与 HEAF 估计量进行比较，分析偏差与方差之间的权衡。
• 证明 fBm 的单调变换下序数模式概率保持不变，表明估计量的统计性质得以保留。

实验结果

研究问题

• RQ1 ZC 估计量在 fBm 中赫斯特参数估计的理论性质（特别是强一致性与渐近正态性）是什么？
• RQ2 样本变化相对频率的方差行为如何？能否在有限样本下实现准确近似？
• RQ3 基于 ZC 估计量构建的 H 置信区间的覆盖概率如何，尤其是在 H ≥ 3/4 时渐近正态性不成立的情况下？
• RQ4 在不同样本量与 H 值下，ZC 估计量与 HEAF 估计量在偏差与方差方面的表现如何？
• RQ5 序数模式概率估计量在 fBm 的单调变换下是否保持不变？这对稳健时间序列分析有何意义？

主要发现

• 当 H < 3/4 时，ZC 估计量具有强一致性与渐近正态性，其渐近方差由样本变化相对频率导出。
• 即使在理论条件不满足的情况下，基于 ZC 估计量构建的 H 置信区间在小样本量与 H > 3/4 时仍能实现约 95% 的覆盖概率。
• ZC 估计量的偏差显著低于 HEAF 估计量，尤其在 H > 0.85 时，HEAF 估计量的偏差显著增加。
• 当 n = 8192 时，ZC 估计量的方差为 HEAF 估计量的 2 至 8 倍，表明其效率较低，但偏差性能更优。
• 样本变化相对频率具有精确的方差公式，同时推导出渐近等价表达式，从而支持精确推断。
• 序数模式概率估计量在 fBm 的未知单调变换下保持不变，使其在具有非线性动态的现实时间序列中具有稳健性。