이산 관측 분수 오르니트 웬벨러 과정의 파라미터 추정과 YUIMA 패키지 활용

초록

본 논문은 이산 시점에서 관측된 분수 오르니트-웬벨러(Fractional Ornstein‑Uhlenbeck, fOU) 과정의 드리프트, 확산계수, 그리고 Hurst 지수를 일관적이며 점근적으로 정규분포를 따르는 추정량으로 제시한다. 특히 드리프트 추정은 H∈(½,¾) 구간에서만 이론적 보장을 얻으며, 이를 구현한 R 패키지 YUIMA의 기능을 상세히 소개한다.

상세 분석

논문은 먼저 fOU 과정을 dX_t = -θ X_t dt + σ dB_t^H 로 정의하고, 여기서 B_t^H는 Hurst 지수 H∈(0,1)인 분수 브라운 운동임을 명시한다. 이 과정은 비마르코프이며, 자기상관 구조가 장기 의존성을 띠어 전통적인 최대우도법이 적용되기 어렵다. 저자들은 이산 관측 {X_{t_i}}{i=0}^n (Δ = t{i+1}-t_i 일정) 에 대해, 1) 드리프트 θ̂_n은 최소제곱법에 기반한 수정된 GMM 형태로 정의하고, 2) 확산계수 σ̂_n은 이산 차분의 이분산 추정법을 이용하며, 3) Ĥ_n은 로그-분산 회귀법을 변형한 방법으로 제시한다. 특히 θ̂_n의 일관성과 점근정규성을 증명하기 위해서는 H가 ½보다 크고 ¾보다 작아야 함을 보인다. 이는 fOU 과정의 자기상관함수가 Δ에 대해 충분히 빠르게 감소해야 하는 기술적 조건이며, H가 ¾를 초과하면 차분의 공분산 구조가 복잡해져 기존 증명이 무너지기 때문이다. σ̂_n와 Ĥ_n에 대해서는 H의 범위 제한 없이 일관성과 정규성을 확보할 수 있다. 저자들은 또한 추정량들의 asymptotic variance를 명시적으로 도출하고, 이를 통해 신뢰구간 및 검정통계량을 구성한다. 실증 부분에서는 Monte‑Carlo 시뮬레이션을 통해 표본크기와 Δ의 변화가 추정 정확도에 미치는 영향을 정량화하고, 제시된 YUIMA 함수가 실제 데이터에 적용될 때의 사용법을 상세히 설명한다. 전체적으로 이 논문은 fOU 과정의 파라미터 추정 이론을 체계화하고, 실용적인 소프트웨어 구현까지 연결시킨 점이 큰 의의이다.