[论文解读] Uniform LAN property of locally stable Lévy process observed at high frequency
本论文在高频率抽样下,为参数 θ = (β, γ) 建立了局部渐近正态性(LAN)的统一性质,适用于一个高斯过程 Xₜᶿ = βt + γZₜ + Uₜ,其中 Z 是局部 α 稳定 Lévy 过程,U 是活动性较低的干扰成分。该结果在 Z 的 Lévy 测度满足较弱条件时成立,并揭示在真正非对称情形下,LAN 极限定律需要非对角标准化,且渐近费雪信息矩阵具有与 α 稳定密度直接关联的简洁形式。
Suppose we have a high-frequency sample from the Lévy process of the form $X_t^θ=βt+γZ_t+U_t$, where $Z$ is a possibly asymmetric locally $α$-stable Lévy process, and $U$ is a nuisance Lévy process less active than $Z$. We prove the LAN property about the explicit parameter $θ=(β,γ)$ under very mild conditions without specific form of the Lévy measure of $Z$, thereby generalizing the LAN result of A\"ıt-Sahalia and Jacod (2007). In particular, it is clarified that a non-diagonal norming may be necessary in the truly asymmetric case. Due to the special nature of the local $α$-stable property, the asymptotic Fisher information matrix takes a clean-cut form.
研究动机与目标
- 为具有局部 α 稳定分量的高频率抽样 Lévy 过程中的参数 θ = (β, γ) 建立局部渐近正态性(LAN)性质。
- 将先前的 LAN 结果(特别是 Aït-Sahalia 和 Jacod 的结果)推广至活跃分量不一定是严格 α 稳定,而仅在原点附近为局部 α 稳定的情形。
- 证明 LAN 性质在比主要分量 Z 活动性更低的干扰 Lévy 过程 U 的一类中一致成立,从而确保对模型误设的鲁棒性。
- 阐明在真正非对称情形下,LAN 极限定律需要非对角标准化,与对称情形下通常采用的对角标准化形成对比。
提出的方法
- 基于 Le Cam 理论的 L₂-正则性技术,验证 LAN 条件。
- 应用基于 Malliavin 微积分的对数似然函数导数的积分表示,推导精确的 Lₚ-界。
- 利用高频率抽样下的似然函数的小时间近似,处理 Lévy 过程的不可解过渡密度。
- 通过过程及其得分函数的弱收敛性,结合一致可积性与紧致性论证,实施极限论证。
- 依赖特征函数分析与变量替换,证明得分过程有限维分布的收敛性。
- 建立归一化增量 ζₐ,ₜᶿ 的密度及其导数的统一有界性,确保在 θ 和干扰过程 U 上的稳定性。
实验结果
研究问题
- RQ1在 Lévy 测度满足较弱条件、且不要求完全 α 稳定性的情形下,高频率抽样 Lévy 过程中具有局部 α 稳定分量的 LAN 性质是否成立?
- RQ2当底层 α 稳定过程为非对称时,LAN 极限定律的正确标准化方案是什么?
- RQ3活动性较低的干扰 Lévy 过程 U 的存在如何影响得分函数的渐近分布?
- RQ4是否可以在一类干扰过程 U 上统一建立 LAN 结果,以确保对 U 具体形式的鲁棒性?
- RQ5在局部 α 稳定情形下,渐近费雪信息矩阵的显式形式是什么?其与 α 稳定密度有何关系?
主要发现
- LAN 性质在比主要分量 Z 活动性更低的干扰 Lévy 过程 U 的一类中一致成立,确保了对模型不确定性的鲁棒性。
- 在真正非对称情形下,LAN 极指定律需要非对角标准化,这与对称 α 稳定情形下通常采用的对角标准化形成对比。
- 渐近费雪信息矩阵具有简洁明确的形式,直接与 α 稳定密度相关,反映了局部 α 稳定过程的内在结构。
- 得分过程弱收敛于一个由 α 稳定特征函数决定协方差结构的高斯过程。
- 建立了归一化增量 ζₐ,ₜᶿ 的密度及其导数的统一有界性,这对 Lₚ-正则性论证至关重要。
- ζₐ,ₜᶿ 的特征函数对 θ 和干扰过程 U 的类均一致收敛于标准 α 稳定分布的特征函数。
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。