[论文解读] Limit theorems for power variations of ambit fields driven by white noise
本文建立了由时空白噪声驱动的双参数 ambit 场的幂变差的极限定理，通过核函数的集中度量对记忆结构施加条件，证明了功能大数定律和稳定中心极限定理。关键结果表明，归一化的幂变差收敛到波动率场的积分泛函，从而实现了从离散观测中对实现波动率的统计推断。
We study the asymptotics of lattice power variations of two-parameter ambit fields driven by white noise. Our first result is a law of large numbers for power variations. Under a constraint on the memory of the ambit field, normalized power variations converge to certain integral functionals of the volatility field associated to the ambit field, when the lattice spacing tends to zero. This result holds also for thinned power variations that are computed by only including increments that are separated by gaps with a particular asymptotic behavior. Our second result is a stable central limit theorem for thinned power variations.
研究动机与目标
- 建立由时空白噪声驱动的 ambit 场的幂变差的功能大数定律。
- 在核函数的记忆性具有定量约束的条件下，推导稀疏幂变差的稳定中心极限定理。
- 为从 ambit 场的离散格点观测中估计实现波动率泛函提供理论基础。
- 表征在普通采样与稀疏采样方案下幂变差的渐近行为。
- 将现有高斯过程的极限理论扩展至非马氏、非高斯的 ambit 场框架。
提出的方法
- 本研究分析通过确定性核与随机波动率场的维纳积分定义的双参数 ambit 场的格点幂变差。
- 收敛性分析依赖于奇次分解技术，并利用与核函数相关的集中度量来控制记忆效应。
- 在假设 2.8 下推导出功能大数定律，该假设通过核的可积性与衰减性质对 ambit 场的记忆性施加约束。
- 在更强的、定量的记忆假设（假设 2.11）下，采用条件中心极限定理方法建立稳定中心极限定理。
- 收敛性在 càdlàg 函数上的 Skorohod 拓扑下分析，由于极限过程的连续性，一致收敛被用作等价准则。
- 证明技术利用了一个稳定收敛引理，将随机向量的联合收敛性与给定 σ-代数下的条件收敛性联系起来。
实验结果
研究问题
- RQ1在何种条件下，由白噪声驱动的 ambit 场的归一化幂变差会收敛到波动率场的确定性积分泛函？
- RQ2是否可以为 ambit 场的稀疏幂变差建立中心极限定理，其极限分布的性质是什么？
- RQ3如通过核函数的集中度量编码的 ambit 场的记忆结构，如何影响幂变差的渐近行为？
- RQ4格点稀疏化在渐近理论中起什么作用，它如何影响收敛速度与极限分布？
- RQ5在多大程度上可以利用 ambit 场的离散观测，一致估计形如 ∫∫σ^p du dv 的实现波动率泛函？
主要发现
- 在假设 2.8 下，ambit 场的归一化幂变差以概率收敛到观测区间上的积分泛函 ∫∫σ^p du dv，从而确立了功能大数定律。
- 对于稀疏幂变差，在假设 2.11 下，归一化变差以稳定方式收敛到一个条件高斯随机场，其极限依赖于波动率场与核的记忆结构。
- 收敛性在 D([0,1]^2) 上的 Skorohod 拓扑下建立，且由于极限的连续性，一致收敛是等价且充分的。
- 提供了满足所需集中度量条件的核的显式例子，包括具有紧支集或多项式衰减的核。
- 当满足条件 k_n / n → 0 且 k_n → ∞ 时，稳定中心极限定理成立，其中 k_n 为稀疏间隔，从而确保了增量的渐近独立性。
- 理论框架支持从 ambit 场的离散、基于格点的观测中一致估计实现波动率，即使在记忆约束下亦成立。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。