[论文解读] Variations and estimators for the selfsimilarity order through Malliavin calculus

Ciprian A. Tudor, Frédéri Viens|arXiv (Cornell University)|Sep 25, 2007

Stochastic processes and financial applications参考文献 23被引用 13

一句话总结

该论文利用马里亚文微积分和多重随机积分，分析非高斯罗森布拉特过程的二次变差，推导出自分形参数 $ H $ 的强一致估计量。关键贡献在于提出一种新型补偿估计量，可在 $ H \in (1/2, 2/3) $ 时实现高斯渐近分布，尽管对所有 $ H > 1/2 $，标准估计量的极限均为非高斯分布。

ABSTRACT

Using multiple stochastic integrals and the Malliavin calculus, we analyze the asymptotic behavior of quadratic variations for a specific non-Gaussian self-similar process, the Rosenblatt process. We apply our results to the design of strongly consistent statistical estimators for the self-similarity parameter $H$. Although, in the case of the Rosenblatt process, our estimator has non-Gaussian asymptotics for all $H>1/2$, we show the remarkable fact that the process's data at time 1 can be used to construct a distinct, compensated estimator with Gaussian asymptotics for $H\in(1/2,2/3)$.

研究动机与目标

• 通过二次变差开发非高斯罗森布拉特过程的自相似参数 $ H $ 的统计估计量。
• 利用马里亚文微积分和多重随机积分分析这些估计量的渐近分布。
• 确定估计量在尽管底层过程具有非高斯性的情况下仍表现出高斯渐近行为的条件。
• 构建一种补偿估计量，使其在 $ H \in (1/2, 2/3) $ 时实现高斯极限，与标准估计量的非高斯极限形成对比。

提出的方法

• 使用多重伊藤–维纳随机积分，将罗森布拉特过程表示为自相似参数 $ H \in (1/2, 1) $ 的 $ q=2 $ 厄米特过程。
• 应用马里亚文微积分，研究当采样频率增加时，罗森布拉特过程二次变差的渐近行为。
• 利用努阿尔特–奥尔蒂斯-拉托雷准则，确定归一化变差过程的收敛性分布。
• 通过调整标准变差统计量以抵消极限中的非高斯分量，推导出补偿估计量。
• 分析生成函数 $ G $ 的二阶泰勒展开，以表征变差过程的协方差结构。
• 证明：当且仅当 $ H \in (1/2, 2/3) $ 时，经调整的变差收敛于正态分布，依据是四阶混沌分量的 $ L^2 $-范数的行为。

实验结果

研究问题

• RQ1 罗森布拉特过程的二次变差能否用于一致估计自相似参数 $ H $？
• RQ2 罗森布拉特过程的标准二次变差估计量的渐近分布是什么？其是否依赖于 $ H $？
• RQ3 是否可以构造一种二次变差估计量的补偿版本，使其获得高斯渐近分布？
• RQ4 对于哪些 $ H \in (1/2, 1) $ 值，补偿估计量可实现高斯极限？
• RQ5 罗森布拉特过程混沌展开的结构如何影响其基于变差的估计量的收敛性质？

主要发现

• 由于存在非退化的四阶混沌分量，罗森布拉特过程的标准二次变差估计量在所有 $ H > 1/2 $ 时均具有非高斯渐近分布。
• 构造出一种补偿估计量，其仅当 $ H \in (1/2, 2/3) $ 时才实现高斯渐近分布，原因是在此范围内非高斯分量消失。
• 补偿估计量的渐近方差严格为正，且依赖于 $ H $，从而在指定范围内确保估计的一致性。
• 生成函数 $ G $ 在零点的二阶泰勒展开表明，当 $ H > 1/2 $ 时，黑塞矩阵为正定，支持非退化极限分布的存在性。
• 当 $ H \geq 2/3 $ 时，四阶混沌分量的 $ L^2 $-范数 $ \|g_N \otimes_1 g_N\|_{L^2([0,1]^2)}^2 $ 不收敛于零，这阻碍了向正态分布的收敛。
• 当 $ H \in (1/2, 2/3) $ 时，泰勒展开中的混合偏导数项不会破坏高斯极限，从而确保调整后的估计量渐近正态。