로컬 α 안정 SDE의 LAD 추정법과 혼합 정규성 이론

논문은 로컬 α‑안정 Lévy 프로세스 Z_t가 구동하는 비선형 SDE  dX_t = a(θ;X_t)dt + σ(X_{t-})dZ_t (α∈(0,2)) 의 drift 파라미터 θ를 고주파 데이터 {X_{t_k}}_{k=0}^n (t_k = k h_n, h_n→0) 로부터 추정하는 문제를 다룬다. 기존 연구는 Gaussian quasi‑likelihood 혹은 stable quasi‑likelihood를 이용했지만, 후자는 복잡한 수치 적분이 필요하고, 전자는 α‑안정 잡음의 비가우시안 특성을 반영하지 못한다. 저자들은 절대값 손실을 기반으로 하는 LAD(Lowest Absolute Deviation) 추정법을 도입한다. 목표함수는  L_n(θ)=∑_{k=1}^n V(X_{t_{k-1}})·|X_{t_k}−F_{h_n}(θ;X_{t_{k-1}})| 이며, 여기서 F_{h}(θ;x)는 Euler 스킴 혹은 고차 개선 스킴 등으로 정의된 회귀함수이다. V(·)는 가중함수이며, 유한 관측 구간(T_n→T)에서는 V≡1 로 두어도 충분하다. **모델 및 가정** - Drift a(θ;x)는 θ에 대해 미분 가능하고, x에 대해 Hölder 연속(지수 η∈(0,1])이며, 로컬하게 유계. - Diffusion σ(x)도 0으로부터 떨어져 있고, x에 대해 Hölder 연속(지수 ζ). - Z_t는 ‘pure‑jump’ 로 정의된 로컬 α‑안정 Lévy 프로세스로, Lévy 측도 µ(du)=c_α|u|^{-1-α}du+ν(du)이며, ν는 작은 점프 강도가 β<α인 ‘nuisance’ 부분을 가진다. - 균형조건 α+η>1, ζ>α/2, β<α/2 등을 만족한다. - 통계적 안정성 가정(2.19)에서는 nh^{2δ}→0 (δ는 α, η, ζ, β, 회귀 오차 지수 등에 의해 결정) 를 요구한다. **주요 정리** 1. **수렴률**: √(n h^{1−1/α})(ˆθ_n−θ_0) →_d 𝒩(0, Σ(θ_0)) (혼합 정규성). 여기서 Σ는 σ(·)·Z_t 경로에 의존하는 랜덤 행렬이며, 비가우시안 잡음의 영향이 반영된다. 2. **Ergodic vs Non‑ergodic**: T_n→∞ (ergodic)와 T_n→T (고정) 두 경우 모두 동일한 수렴률과 한계 분포를 얻는다. 비가우시안 잡음이 존재해도 고정 구간에서 일관적인 추정이 가능함을 보인다. 3. **계산적 장점**: LAD 목표함수는 F_{h_n}와 V만 알면 명시적으로 계산 가능하며, 수치 적분이 전혀 필요 없다. 이는 기존 stable quasi‑likelihood가 요구하는 복잡한 특성함수 ψ_α(·)와 Lévy 측도 적분을 회피한다. 4. **추정량의 공분산 추정**: 논문 6절에서는 Σ(θ_0)의 일관 추정량 ˆΣ_n을 제시하고, 이를 이용해 신뢰구간 및 검정통계량을 구성할 수 있음을 증명한다. 5. **예시와 적용**: Euler 스킴, 개선된 Euler(2차, 3차) 스킴, 그리고 선형·Bernoulli ODE의 정확 해를 회귀함수로 사용하는 경우를 제시한다. 각 예시마다 필요한 δ_reg, α에 대한 최소 조건을 구체화한다(예: Euler 스킴은 α>2/(1+2η) 필요). **증명 개요** - 먼저, 회귀함수 F_{h_n}와 실제 전이밀도 p_{h_n} 사이의 차이를 (2.12)와 (2.15)와 같은 오차 경계로 제어한다. - 고주파 샘플링 하에서 작은 점프와 큰 점프를 분리하고, ‘pure‑jump’ 특성을 이용해 마팅게일 중심극한정리를 적용한다. - 혼합 정규성은 조건부 분산이 σ(X_{t-})^2·∫|u|^2 ν(du) 형태로 나타나며, 이는 경로에 따라 랜덤하게 변한다. - ergodic 경우에는 장기 평균을 이용해 공분산 행렬을 확정적으로 수렴시키고, 비ergodic 경우에는 고정 구간 내에서 경로 의존성을 그대로 유지한다. - 마지막으로, 잔차항이 o_p(1)임을 보이기 위해 통계적 안정성 가정(2.19)과 ν에 대한 추가 제약(2.20)을 활용한다. **의의와 전망** 본 연구는 비가우시안 Lévy‑driven SDE의 파라미터 추정에 있어, 계산 효율성과 이론적 엄밀성을 동시에 만족하는 새로운 방법론을 제시한다. 특히, α‑안정 잡음이 존재하는 상황에서도 고정 관측 구간에서 일관적인 추정이 가능하다는 점은 금융·신호처리 등 실시간 고주파 데이터가 중요한 분야에 큰 영향을 미칠 것으로 기대된다. 향후 연구에서는 다변량 SDE, 비정상적인 σ(x) 추정, 그리고 실험 데이터에 대한 적용 사례를 확대할 여지가 있다.