고주파 CIR·CKLS 모델에서 확산과 점프 성분의 비대칭 분리

초록

본 논문은 고주파 관측된 CIR 및 CKLS 점프‑확산 과정에서 확산 증분과 점프 증분이 보이는 스케일 차이를 이용해, 최소 밀도 파워 발산(MDPDE) 기반의 강건 추정기로 표준화 잔차를 만든 뒤 그 극값의 극값분포(Gumbel)를 이용해 점프를 탐지하는 방법을 제시한다. 제안 방법은 점프와 연속 구간을 일관적으로 구분하며, 시뮬레이션을 통해 강건성이 향상된 것을 확인한다.

상세 분석

이 연구는 고주파 샘플링 구간 Δₙ→0, nΔₙ→∞라는 ‘인필’ 비대칭 asymptotic 환경에서, 확산 증분이 O(√Δₙ)로 급격히 작아지는 반면 점프 증분은 O(1)의 비소멸 크기를 유지한다는 근본적인 스케일 차이를 활용한다. 기존의 최대우도(MLE)나 조건부 최소제곱(CLS) 추정기는 Gaussian 근사에 기반해 모든 증분에 동일 가중치를 부여하므로, 드물게 발생하는 대형 점프가 추정에 과도한 영향을 미쳐 편향과 비효율을 초래한다. 이를 해결하기 위해 저자는 Basu et al. (1998)의 최소 밀도 파워 발산 추정기(MDPDE)를 도입한다. MDPDE는 α≥0라는 튜닝 파라미터를 통해 로그우도와 강건 추정 사이를 연속적으로 전환시키며, α>0일 때는 모델이 예측하지 못하는 극단값을 자동으로 down‑weight한다. 이때 얻어진 파라미터 추정값 ˆθ(α)ₙ은 일관성과 점근정규성을 유지하면서 영향 함수가 유계(bounded)하여 점프에 대한 내성을 갖는다.

추정된 파라미터를 이용해 각 관측 구간의 표준화 잔차
(R_i = \frac{ΔX_i - \hat{μ}i}{\hat{σ}\sqrt{Δ_n} })
를 정의하고, 확산 구간에서는 R_i가 거의 표준 정규분포를 따르지만 점프 구간에서는 큰 절대값을 보인다. 저자는 이러한 잔차의 최대값 (M_n = \max_i |R_i|)가 확산 구간에서 Gumbel 극값분포로 수렴한다는 정리를 증명한다. 이를 기반으로 α와 샘플 크기에 따라 명시적인 임계값 (c{n,γ})를 도출하고, (M_n > c_{n,γ})이면 해당 구간을 점프로 판정한다. 이 검정은 ‘점프 탐지 일관성(Classification Consistency)’을 만족하는데, 즉 n→∞, Δₙ→0 조건 하에 모든 점프와 확산 구간을 정확히 구분할 확률이 1에 수렴한다.

시뮬레이션에서는 CIR(γ=½)와 일반 CKLS(γ∈