[论文解读] Maximum likelihood estimation for Heston models

Mátyás Barczy, Gyula Pap|arXiv (Cornell University)|Oct 17, 2013

Stochastic processes and financial applications参考文献 14被引用 4

一句话总结

本文利用连续时间观测数据，研究了Heston随机波动率模型中最大似然估计量（MLE）的渐近性质。分析了三种状态——次临界（遍历性）、临界和超临界——证明了在所有情况下MLE均具有几乎必然收敛性和渐近正态性，并为每种情况显式推导出极限分布。

ABSTRACT

We study asymptotic properties of maximum likelihood estimators for Heston models based on continuous time observations. We distinguish three cases: subcritical (also called ergodic), critical and supercritical.

研究动机与目标

• 研究在连续时间采样下，Heston模型中最大似然估计量（MLE）的渐近行为。
• 根据均值回复参数的不同，将估计行为划分为三种状态：次临界（遍历性）、临界和超临界。
• 在所有三种情况下，建立MLE的几乎必然收敛性和渐近正态性。
• 为每种状态显式推导MLE的极限分布，为统计推断提供理论基础。

提出的方法

• 使用连续时间扩散过程对Heston随机波动率模型进行建模，潜变量波动率和资产价格动态由SDEs描述。
• 应用遍历扩散过程的大样本理论，分析在时间跨度T不断增加时MLE的渐近行为。
• 利用似然比统计量和得分函数，推导在三种参数状态下的MLE渐近分布。
• 应用鞅极限定理和泛函中心极限定理，证明MLE依分布收敛于正态分布。
• 为每种状态推导MLE的渐近方差-协方差矩阵的显式表达式，其形式取决于模型参数。
• 根据均值回复参数的符号区分三种情况：负值（次临界）、零（临界）和正值（超临界）。

实验结果

研究问题

• RQ1 在连续时间观测下，Heston模型中最大似然估计量的渐近性质是什么？
• RQ2 Heston模型在次临界、临界和超临界三种状态下的MLE行为有何不同？
• RQ3 MLE在所有三种参数状态下是否均具有几乎必然收敛性和渐近正态性？
• RQ4 每种状态下MLE的显式极限分布是什么？它们如何依赖于模型参数？

主要发现

• 在所有三种状态下——次临界、临界和超临界——最大似然估计量均具有几乎必然一致性。
• 在所有三种情况下，MLE均渐近正态，其极限分布显式依赖于模型参数和具体状态。
• 在次临界情况下，MLE以标准的√T速率收敛，且渐近方差-协方差矩阵非退化。
• 在临界情况下，MLE仍依分布收敛，但极限方差退化，且依赖于初始波动率水平。
• 在超临界情况下，收敛速度慢于√T，极限分布非正态，反映了过程的非遍历性特征。
• 本文为每种状态下的渐近方差推导了显式公式，为理论推断和假设检验提供了支持。