[论文解读] Quasi-Likelihood Analysis for Stochastic Regression Models with Nonsynchronous Observations

Teppei Ogihara, Nakahiro Yoshida|arXiv (Cornell University)|Dec 20, 2012

Statistical Methods and Inference参考文献 17被引用 13

一句话总结

本文针对具有非同步观测的随机回归模型，特别是未知波动率的扩散过程，提出了一种拟似然方法进行参数估计。通过构建拟似然函数并应用多项式型大偏差不等式，作者在高频率抽样下建立了拟最大似然估计量与贝叶斯型估计量的一致性、渐近混合正态性及矩收敛性。其主要贡献在于建立了严格的渐近理论，使得在非同步数据（如高频金融计量）下仍能进行有效的统计推断。

ABSTRACT

We consider nonsynchronous sampling of parameterized stochastic regression models, which contain stochastic differential equations. Constructing a quasi-likelihood function, we prove that the quasi-maximum likelihood estimator and the Bayes type estimator are consistent and asymptotically mixed normal when the sampling frequency of the nonsynchronous data becomes large.

研究动机与目标

• 针对不同过程观测时间非同步这一在高频金融数据中常见的挑战，解决随机回归模型中的参数估计问题。
• 构建一种拟似然框架，用于近似在非同步抽样下的扩散模型的真实似然，避免对同步观测的假设。
• 在高频率抽样下，建立拟最大似然估计量与贝叶斯型估计量的一致性、渐近混合正态性及矩收敛性。
• 将Ibragimov-Has’minskii理论与多项式型大偏差不等式推广至非同步观测设定，实现稳健的渐近分析。
• 为在观测时间不规则或非同步时估计扩散过程的二次协变差与非线性结构，提供理论基础坚实的方法。

提出的方法

• 基于扩散过程的似然比理论，构建适用于多过程非同步抽样的拟对数似然函数。
• 应用多项式型大偏差不等式（PTLDI）控制拟似然比过程的尾部概率，实现渐近分析。
• 利用Ibragimov-Has’minskii关于似然比随机场的理论，将估计量渐近性质的问题转化为拟似然比场的性质。
• 通过随机强度与点过程近似，验证条件[A3′-q, η]、[A4-q′, (1+3/q′)]与[B2-q]，建立矩收敛性与渐近混合正态性。
• 通过重叠区间与指示函数的同步技术处理非同步观测区间，尤其在实现协变差分析中。
• 运用停止时间论证与泊松过程近似，控制跳跃次数与观测区间数量，确保在高频率抽样下的收敛性。

实验结果

研究问题

• RQ1 能否为具有非同步观测的随机回归模型（特别是真实波动率未知时）发展一种拟似然方法进行参数估计？
• RQ2 当抽样频率增加且观测时间非同步时，拟最大似然估计量在何种条件下具有一致性与渐近混合正态性？
• RQ3 基于拟似然的贝叶斯型估计量在相同抽样制度下是否也实现了一致性与渐近混合正态性？
• RQ4 能否建立估计量矩收敛性？其在高阶渐近展开中的意义为何？
• RQ5 在非同步数据存在的情况下，如何通过拟似然框架缓解Epps效应与实现协变差估计中的偏差？

主要发现

• 当抽样频率增加且观测区间以概率趋于零时，拟最大似然估计量（QMLE）与贝叶斯型估计量在非同步抽样下具有一致性。
• 两种估计量均为渐近混合正态分布，其渐近方差通过费舍尔信息矩阵的极限显式表征。
• 已建立估计量的矩收敛性，这对推导高阶渐近展开与信息准则至关重要。
• 多项式型大偏差不等式（PTLDI）成功应用于控制拟似然比的尾部行为，从而实现渐近正态性的推导。
• 该方法在无需同步观测的条件下实现了渐近混合正态性，从而克服了实现协变差估计中Epps效应带来的偏差。
• 理论框架对高频金融数据的非同步特性具有鲁棒性，可实现对非线性扩散结构（超越二次变差）的推断。