Adaptive Test for Jump

Résumé technique : Test adaptatif pour les sauts

Énoncé du problème
La détection des sauts à partir de données financières haute fréquence observées de manière discrète demeure un défi central en économétrie financière. La littérature existante a produit de nombreux tests non paramétriques et semi-paramétriques, se répartissant généralement en deux catégories dominantes aux forces et faiblesses distinctes. La première catégorie, représentée par la statistique de rapport d'Aït-Sahalia–Jacod (AJ), agrège la variation de puissance à travers les fréquences d'échantillonnage. Elle est naturellement efficace lorsque la preuve de saut est répartie sur de nombreux accroissements (alternatives denses), mais peut manquer de sensibilité face à des sauts isolés et prononcés. La deuxième catégorie, représentée par la statistique standardisée du maximum de Lee–Mykland (LM), se concentre sur la plus grande excursion locale. Elle excelle lorsque les sauts sont rares et concentrés, mais peut sous-performer lorsque les signaux de saut sont diffus. Les preuves empiriques suggèrent qu'aucun test unique ne domine uniformément à travers les régimes denses et rares ou les fréquences d'échantillonnage variables. De plus, aux ultra-hautes fréquences, le bruit de microstructure du marché altère les asymptotiques marginales de ces statistiques, compliquant l'inférence.

Méthodologie
Les auteurs proposent un test de saut adaptatif qui combine la statistique de type somme AJ et la statistique de type maximum LM en utilisant la règle de combinaison de Cauchy. La méthodologie est développée en deux étapes : d'abord pour les processus à trajectoire continue latente, puis pour les processus observés avec un bruit de microstructure additif.

1. Cadre du processus latent :

   • Modèle : Le processus de prix sous-jacent $X_t$ est modélisé comme une semi-martingale d'Itô générale avec dérive stochastique, volatilité stochastique et effets de levier.
   • Statistiques :
     • La statistique AJ ($Z^{AJ}_n$) est construite à partir du rapport des variations de puissance à fine échelle et à grossière échelle. Sous l'hypothèse nulle de trajectoire continue, elle converge vers une loi normale standard.
     • La statistique LM ($\xi_n$) est construite à partir du maximum des accroissements localement standardisés. Sous l'hypothèse nulle de trajectoire continue, elle converge vers une loi de Gumbel standard.
   • Combinaison : Les valeurs p des deux statistiques sont transformées via la fonction tangente et moyennées pour former une statistique de combinaison de Cauchy ($T^C_n$).

2. Extension bruyante :

   • Modèle de bruit : Le processus observé $Y_{t_i}$ inclut un bruit de microstructure additif, i.i.d.
   • Robustification :
     • La composante AJ est adaptée en utilisant des techniques de pré-moyennage (Aït-Sahalia et al., 2012) pour atténuer le bruit, résultant en une statistique de rapport pré-moyennée ($Z^{PA}_n$).
     • La composante LM est adaptée en utilisant une moyenne locale et un estimateur de volatilité spot faisable basé sur la variance spot réalisée à deux échelles (TSRSV) de Zu et Boswijk (2014). Cela produit une statistique de maximum à moyenne locale ($\xi^{LA}_n$).
   • Calibration : Pour remédier à la convergence lente des statistiques de valeurs extrêmes dans des échantillons finis sous bruit, une procédure de double bootstrap est mise en œuvre pour la composante LM afin de contrôler précisément la taille.

Contributions théoriques clés
La contribution théorique principale de l'article est la preuve de l'indépendance asymptotique entre les statistiques de type somme (AJ) et de type maximum (LM) sous l'hypothèse nulle de trajectoire continue et sous diverses hypothèses alternatives.

• Indépendance sous l'hypothèse nulle : Les auteurs démontrent que, après une normalisation marginale appropriée, la statistique AJ et la statistique LM sont asymptotiquement indépendantes sous l'hypothèse nulle de trajectoire continue. Ce résultat est non trivial car les deux statistiques sont des fonctionnelles non linéaires d'une même semi-martingale d'Itô observée de manière discrète, avec des accroissements chevauchants, une volatilité stochastique et un effet de levier. Contrairement aux cadres de haute dimension où l'indépendance découle souvent de l'indépendance coordonnée par coordonnée, ici elle doit être dérivée directement du modèle primitif en temps continu.
• Indépendance sous les alternatives : L'indépendance asymptotique est démontrée comme valable sous :
  • Alternatives locales denses : Où la preuve de saut est répartie sur de nombreux accroissements.
  • Sauts fixes à activité finie : Où les sauts sont isolés et de taille fixe.
• Asymptotiques bruyantes : Le résultat d'indépendance est étendu au cadre bruyant. Les auteurs prouvent que la statistique AJ pré-moyennée et la nouvelle statistique de type LM faisable restent asymptotiquement indépendantes sous l'hypothèse nulle bruyante et les alternatives denses bruyantes.

Résultats

• Propriétés théoriques :
  • Le test de combinaison de Cauchy proposé est calibré analytiquement ; sous l'hypothèse nulle, la statistique combinée suit une loi de Cauchy standard, permettant une valeur critique sous forme fermée.
  • Sous des alternatives locales denses, le test maintient l'indépendance asymptotique, et la fonction de puissance est dérivée analytiquement.
  • Sous des sauts fixes à activité finie, le test est consistant (la puissance tend vers 1) car la composante LM entraîne le rejet, même si la composante AJ est moins sensible.
• Preuves par simulation :
  • Taille : Le test maintient une taille correcte sous l'hypothèse nulle de trajectoire continue, tant dans des environnements sans bruit que bruyants (avec le double bootstrap pour la composante LM bruyante).
  • Puissance :
    • Dans les régimes denses (nombreux petits sauts), la statistique AJ est généralement plus puissante, et le test combiné hérite de cette force.
    • Dans les régimes rares (peu de grands sauts), la statistique LM est plus puissante, et le test combiné suit cette performance de près.
    • La combinaison de Cauchy offre systématiquement la performance globale la plus robuste, s'adaptant à la nature de l'alternative de saut sans connaissance préalable du régime.
  • Bruit : L'extension bruyante fonctionne bien avec des bruits gaussiens et à queues lourdes (distribution t), le test combiné surpassant les composantes individuelles dans la plupart des configurations.
• Application empirique :
  • Appliqué aux données intrajournalières de six principaux ETF et actions (SPY, QQQ, IWM, AAPL, MSFT, NVDA) à une fréquence de 3 secondes.
  • Le test LM a détecté des sauts dans environ 51 à 61 % des sessions quotidiennes, tandis que le test AJ a détecté des sauts dans moins de 2 % des sessions.
  • Le test combiné a produit des taux de rejet intermédiaires entre les deux, plus proches de LM, suggérant que dans les données de marché réelles, la preuve de saut est souvent concentrée dans des événements rares et aigus plutôt que diffus.
  • À des fréquences d'échantillonnage plus grossières (1, 2, 5 minutes), la performance relative a changé : le test AJ est devenu plus fort à 2 et 5 minutes, tandis que le test combiné est resté la procédure la plus stable à travers les fréquences.

Importance et affirmations
L'article affirme fournir une « option par défaut simple et robuste » pour la détection de sauts lorsque la forme de l'alternative de saut (dense vs rare) est inconnue. En établissant l'indépendance asymptotique des statistiques de type somme et de type maximum dans un cadre général de semi-martingale d'Itô (incluant le levier et le bruit), les auteurs permettent un test de combinaison traitable analytiquement. L'importance réside dans :

1. Adaptativité : Le test s'adapte automatiquement au régime de saut, héritant des forces des procédures AJ et LM.
2. Rigueur théorique : Il fournit la première preuve d'indépendance asymptotique entre ces fonctionnelles non linéaires spécifiques en présence de volatilité stochastique, de levier et de bruit de microstructure, allant au-delà des arguments classiques de haute dimension i.i.d.
3. Utilité pratique : L'inclusion d'une extension robuste au bruit avec une calibration par double bootstrap répond aux difficultés pratiques de l'analyse des données ultra-haute fréquence, offrant une procédure performante sur un large éventail de configurations empiriques.

Les auteurs concluent que, bien que des travaux futurs pourraient aborder un bruit dépendant sérielle ou des cadres multivariés, la procédure actuelle synthétise efficacement les forces des principaux tests existants pour fournir une solution fiable et adaptative à la détection de sauts haute fréquence.