[论文解读] On Progressive Filtration Expansions with a Process; Applications to Insider Trading

Younes Kchia, Philip Protter|arXiv (Cornell University)|Mar 25, 2014

Stochastic processes and financial applications参考文献 32被引用 6

一句话总结

本文提出了一套基于 càdlàg 过程的渐进式过滤扩展框架，建立了在何种条件下基础过滤中的半鞅在扩展过滤中仍保持半鞅的充分条件。核心贡献是通过 σ-域的弱收敛推导出半鞅收敛定理，并将其应用于内幕交易模型，其中内幕人士观察到带有噪声且延迟的信息，导致在扩展过滤下出现不同的风险中性测度和统计套利机会。

ABSTRACT

In this paper we study progressive filtration expansions with càdlàg processes. Using results from the theory of the weak convergence of $σ$-fields, we first establish a semimartingale convergence theorem. Then we apply it in a filtration expansion with a process setting and provide sufficient conditions for a semimartingale of the base filtration to remain a semimartingale in the expanded filtration. Applications to the expansion of a Brownian filtration are given. The paper concludes with applications to models of insider trading in financial mathematics.

研究动机与目标

• 将过滤扩展理论从随机变量推广至连续时间随机过程，特别是 càdlàg 过程。
• 解决关键问题：当通过一个动态演化的过程扩展过滤时，半鞅性质是否得以保持？
• 提供充分条件，确保基础过滤中的半鞅在扩展过滤中仍为半鞅。
• 建立内幕交易情景的模型，其中内幕人士观察到带有噪声且延迟的信息，并分析由此导致的风险中性测度与套利机会的变化。
• 将理论框架应用于高频交易，特别是具有小噪声的限价订单簿，以推导统计套利策略。

提出的方法

• 利用 Antonelli、Coquet、Kohatsu-Higa、Mackevicius、Mémin 与 Slominski 最近理论工作的 σ-域弱收敛方法。
• 将 Barlow 与 Protter 关于半鞅收敛结果的扩展应用于动态过滤扩展。
• 采用受 Bally 与 Talay 启发的密度估计方法，以处理扩展中反向时间过程。
• 在扩展过滤中应用 Girsanov 定理，计算扩展信息流下的风险中性测度。
• 利用随机微积分与鞅表示定理，在扩展过滤中推导出显式的半鞅分解。
• 引入局部 NFLVR（无零风险套利）条件，以处理时间 $ t=1 $ 处的奇点，确保风险中性测度的有效性。

实验结果

研究问题

• RQ1 当通过 càdlàg 过程扩展过滤时，基础过滤中的半鞅在何种条件下仍保持为半鞅？
• RQ2 包含一个带有噪声且延迟的过程（例如 $ X_t = W_1 + \varepsilon V_{1-t} $）如何影响半鞅分解与风险中性测度？
• RQ3 弱收敛的 σ-域理论是否可用于严格证明动态过滤扩展中半鞅性质的保持？
• RQ4 此类扩展对内幕交易模型有何影响，特别是在信息不完善的高频交易中？
• RQ5 当 Girsanov 变换中的漂移校正项在终端时间存在奇点时，Novikov 准则应如何应用或调整？

主要发现

• 定理 6 在 σ-域弱收敛条件下建立了通用的半鞅收敛结果，使动态过滤扩展的分析成为可能。
• 定理 10 提供了充分条件，确保当扩展由 càdlàg 过程驱动时，基础过滤中的半鞅在扩展过滤中仍为半鞅。
• 定理 17 推导出过程 $ Z $ 在扩展过滤 $ \mathbb{H} $ 中的显式半鞅分解，表明内幕人士因对噪声信息进行滤波而观察到修正的漂移。
• 在内幕人士过滤 $ \mathbb{H} $ 下的风险中性测度需要通过 Girsanov 变换，其漂移校正项包含 $ \frac{X_s - W_s}{(1+\varepsilon^2)(1-s)} $，该表达式在 $ s=1 $ 处引入奇点。
• 由于 $ t=1 $ 处的奇点，Novikov 准则在一般情况下对内幕人士的风险中性测度不成立，但可通过局部 NFLVR 条件或限制时间区间至 $[0,1)$ 来解决。
• 该模型表明，能够获取带有噪声且反向时间信息的内幕人士可实现统计套利，因为资产价格的有效动态与市场视角下的动态不同。