[论文解读] Parameter estimation based on discrete observations of fractional Ornstein-Uhlenbeck process of the second kind

Ehsan Azmoodeh, Lauri Viitasaari|arXiv (Cornell University)|Apr 9, 2013

Stochastic processes and financial applications参考文献 12被引用 4

一句话总结

本文基于离散时间观测，提出了分数阶Ornstein-Uhlenbeck过程第二类（fOU₂）中漂移参数θ的一致估计量。利用Malliavin微积分与遍历性，证明了当H已知和未知时，估计量的中心极限定理（CLT）成立，且对所有H ∈ (1/2, 1)均有效，前提是观测窗口和网格大小满足适当的采样条件。

ABSTRACT

Fractional Ornstein-Uhlenbeck process of the second kind $( ext{fOU}_{2})$ is solution of the Langevin equation $\mathrm{d}X_t = -θX_t\,\mathrm{d}t+\mathrm{d}Y_t^{(1)}, \ θ>0$ with Gaussian driving noise $ Y_t^{(1)} := \int^t_0 e^{-s} \,\mathrm{d}B_{a_s}$, where $ a_t= H e^{\frac{t}{H}}$ and $B$ is a fractional Brownian motion with Hurst parameter $H \in (0,1)$. In this article, we consider the case $H>\frac{1}{2}$. Then using the ergodicity of $ ext{fOU}_{2}$ process, we construct consistent estimators of drift parameter $θ$ based on discrete observations in two possible cases: $(i)$ the Hurst parameter $H$ is known and $(ii)$ the Hurst parameter $H$ is unknown. Moreover, using Malliavin calculus technique, we prove central limit theorems for our estimators which is valid for the whole range $H \in (\frac{1}{2},1)$.

研究动机与目标

• 基于离散时间观测，为fOU₂过程中漂移参数θ构造一致估计量。
• 在H参数已知的假设下，建立估计量的中心极限定理（CLT）。
• 在受限采样条件下，将CLT框架扩展至H未知的情形。
• 利用fOU₂过程的遍历性与Malliavin微积分技术，推导渐近正态性结果。
• 为fOU₂过程提供严谨的统计推断框架，该过程即使在H > 1/2时也表现出短程记忆特性。

提出的方法

• 利用fOU₂过程的遍历性，基于随观测窗口T_N = NΔ_N增长的离散采样构造估计量。
• 应用Malliavin微积分技术分析估计量的渐近分布，特别关注Wiener混沌展开与多重Wiener积分。
• 通过变量替换与Beta函数恒等式，计算得分函数二阶矩的极限，推导估计量的渐近方差。
• 施加网格条件：当H已知时，T_N → ∞ 且 NΔ_N² → 0；当H未知时，Δ_N = N^{-α}，其中α ∈ (1/2, 1/(4H−2) ∧ 1)。
• 通过变量替换与Beta函数界，将估计量的协方差结构简化为包含指数与幂律项的三重积分，并证明其收敛至有限极限。
• 利用L’Hôpital法则与渐近分析，计算方差表达式导数的极限，确认其收敛至非退化极限。

实验结果

研究问题

• RQ1 当H已知时，能否基于fOU₂过程的离散观测构造θ的一致估计量？
• RQ2 在H已知时，何种采样条件可确保漂移估计量的渐近正态性？
• RQ3 当H未知时，能否构造θ的一致且渐近正态的估计量？
• RQ4 在H未知的情况下，CLT成立所需的观测网格的必要与充分采样条件是什么？
• RQ5 Malliavin微积分的使用如何使fOU₂过程中非半鞅噪声的CLT结果得以推导？

主要发现

• 当H已知时，在T_N → ∞ 且 NΔ_N² → 0 的条件下，构造了θ的强一致估计量。
• 估计量的渐近分布为正态分布，其非退化方差通过包含幂律与指数项的三重积分显式表征。
• 在H未知的情况下，当网格条件Δ_N = N^{-α}（其中α ∈ (1/2, 1/(4H−2) ∧ 1)）时，构造了一致估计量，确保渐近正态性。
• 中心极限定理对整个H ∈ (1/2, 1)范围成立，相较于以往仅限于H ∈ [1/2, 3/4)的结果，实现了显著改进。
• 通过变量替换与Beta函数恒等式对相关三重积分进行有界化，证明其渐近方差为有限值，从而确认极限的存在性。
• 协方差函数的二阶项被证明在渐近下趋于零，从而在极限分析中合理使用简化核1/(2θ)e^{-θ|x−y|}。