Adaptive Test for Jump

Sintesi Tecnica: Test Adattivo per i Salti

Enunciato del Problema
Il rilevamento dei salti da dati finanziari ad alta frequenza osservati in modo discreto rimane una sfida centrale nell'econometria finanziaria. La letteratura esistente ha prodotto numerosi test non parametrici e semiparametrici, che generalmente rientrano in due categorie dominanti con punti di forza e debolezze distinti. La prima categoria, rappresentata dalla statistica di rapporto di Aït-Sahalia–Jacod (AJ), aggrega la variazione di potenza attraverso le frequenze di campionamento. È naturalmente efficace quando le prove di salto sono distribuite su molti incrementi (alternative dense), ma può mancare di sensibilità verso salti isolati e pronunciati. La seconda categoria, rappresentata dalla statistica standardizzata del massimo di Lee–Mykland (LM), si concentra sulla massima escursione locale. Eccelle quando i salti sono sparsi e concentrati, ma può avere prestazioni inferiori quando i segnali di salto sono diffusi. Le evidenze empiriche suggeriscono che nessun test singolo domina uniformemente attraverso regimi densi e sparsi o frequenze di campionamento variabili. Inoltre, a frequenze ultra-elevate, il rumore di microstruttura di mercato altera le asimtotiche marginali di queste statistiche, complicando l'inferenza.

Metodologia
Gli autori propongono un test adattivo per i salti che combina la statistica di tipo somma di AJ e la statistica di tipo massimo di LM utilizzando la regola di combinazione di Cauchy. La metodologia è sviluppata in due fasi: prima per processi a percorso continuo latente e secondariamente per processi osservati con rumore microstrutturale additivo.

1. Quadro del Processo Latente:

   • Modello: Il processo di prezzo sottostante $X_t$ è modellato come una semimartingala di Itô generale con deriva stocastica, volatilità stocastica ed effetti di leva.
   • Statistiche:
     • La statistica AJ ($Z^{AJ}_n$) è costruita dal rapporto tra le variazioni di potenza su scala fine e su scala grossolana. Sotto l'ipotesi nulla di percorso continuo, converge a una distribuzione normale standard.
     • La statistica LM ($\xi_n$) è costruita dal massimo degli incrementi localmente standardizzati. Sotto l'ipotesi nulla di percorso continuo, converge a una distribuzione di Gumbel standard.
   • Combinazione: I valori p di entrambe le statistiche sono trasformati tramite la funzione tangente e mediati per formare una statistica di combinazione di Cauchy ($T^C_n$).

2. Estensione Rumorosa:

   • Modello del Rumore: Il processo osservato $Y_{t_i}$ include rumore microstrutturale additivo, i.i.d.
   • Robustificazione:
     • La componente AJ è adattata utilizzando tecniche di pre-mediazione (Aït-Sahalia et al., 2012) per mitigare il rumore, risultando in una statistica di rapporto pre-mediata ($Z^{PA}_n$).
     • La componente LM è adattata utilizzando la media locale e un stimatore di volatilità spot fattibile basato sulla varianza spot realizzata a due scale (TSRSV) di Zu e Boswijk (2014). Ciò produce una statistica di massimo a media locale ($\xi^{LA}_n$).
   • Calibrazione: Per affrontare la lenta convergenza delle statistiche di valori estremi in campioni finiti sotto rumore, viene implementata una procedura di doppio bootstrap per la componente LM per controllare accuratamente la dimensione.

Principali Contributi Teorici
Il contributo teorico primario del documento è la prova dell'indipendenza asintotica tra le statistiche di tipo somma (AJ) e di tipo massimo (LM) sia sotto l'ipotesi nulla di percorso continuo sia sotto varie ipotesi alternative.

• Indipendenza sotto l'Ipotesi Nulla: Gli autori dimostrano che, dopo un'adeguata normalizzazione marginale, la statistica AJ e la statistica LM sono asintoticamente indipendenti sotto l'ipotesi nulla di percorso continuo. Questo risultato non è banale perché entrambe le statistiche sono funzionali non lineari della stessa semimartingala di Itô osservata in modo discreto con incrementi sovrapposti, volatilità stocastica e leva. A differenza degli scenari ad alta dimensionalità dove l'indipendenza nasce spesso dall'indipendenza coordinata, qui deve essere derivata direttamente dal modello primitivo a tempo continuo.
• Indipendenza sotto le Alternative: Si dimostra che l'indipendenza asintotica vale sotto:
  • Alternative locali dense: Dove le prove di salto sono distribuite su molti incrementi.
  • Salti fissi a attività finita: Dove i salti sono isolati e di dimensione fissa.
• Asimtotiche Rumorose: Il risultato di indipendenza è esteso all'ambiente rumoroso. Gli autori dimostrano che la statistica AJ pre-mediata e la nuova statistica di tipo LM fattibile rimangono asintoticamente indipendenti sotto l'ipotesi nulla rumorosa e le alternative dense rumorose.

Risultati

• Proprietà Teoriche:
  • Il test di combinazione di Cauchy proposto è calibrato analiticamente; sotto l'ipotesi nulla, la statistica combinata segue una distribuzione di Cauchy standard, consentendo un valore critico in forma chiusa.
  • Sotto alternative locali dense, il test mantiene l'indipendenza asintotica e la funzione di potenza è derivata analiticamente.
  • Sotto salti fissi a attività finita, il test è consistente (la potenza tende a 1) perché la componente LM guida il rifiuto, anche se la componente AJ è meno sensibile.
• Evidenza di Simulazione:
  • Dimensione: Il test mantiene la dimensione corretta sotto l'ipotesi nulla di percorso continuo, sia in ambienti privi di rumore sia in ambienti rumorosi (con il doppio bootstrap per la componente LM rumorosa).
  • Potenza:
    • Nei regimi densi (molti piccoli salti), la statistica AJ è generalmente più potente, e il test combinato eredita questa forza.
    • Nei regimi sparsi (pochi grandi salti), la statistica LM è più potente, e il test combinato segue da vicino questa prestazione.
    • La combinazione di Cauchy fornisce costantemente le prestazioni complessive più robuste, adattandosi alla natura dell'alternativa di salto senza conoscenza preventiva del regime.
  • Rumore: L'estensione rumorosa funziona bene attraverso rumore Gaussiano e a code pesanti (distribuito t), con il test combinato che supera i singoli componenti nella maggior parte delle configurazioni.
• Applicazione Empirica:
  • Applicato a dati intraday per sei principali ETF azionari e azioni (SPY, QQQ, IWM, AAPL, MSFT, NVDA) a una frequenza di 3 secondi.
  • Il test LM ha rilevato salti in circa il 51–61% delle sessioni giornaliere, mentre il test AJ ha rilevato salti in meno del 2% delle sessioni.
  • Il test combinato ha prodotto tassi di rifiuto intermedi tra i due, più vicini a LM, suggerendo che nei dati di mercato reali le prove di salto sono spesso concentrate in eventi sparsi e acuti piuttosto che diffusi.
  • A frequenze di campionamento più grossolane (1, 2, 5 minuti), le prestazioni relative sono cambiate: il test AJ è diventato più forte a 2 e 5 minuti, mentre il test combinato è rimasto la procedura più stabile attraverso le frequenze.

Significato e Affermazioni
Il documento afferma di fornire un "default semplice e robusto" per il rilevamento dei salti quando la forma dell'alternativa di salto (densa vs. sparsa) è sconosciuta. Stabilendo l'indipendenza asintotica delle statistiche di tipo somma e di tipo massimo in un quadro generale di semimartingala di Itô (inclusi leva e rumore), gli autori abilitano un test di combinazione analiticamente trattabile. Il significato risiede in:

1. Adattività: Il test si adatta automaticamente al regime di salto, ereditando i punti di forza di entrambe le procedure AJ e LM.
2. Rigor Teorico: Fornisce la prima prova di indipendenza asintotica tra questi specifici funzionali non lineari in presenza di volatilità stocastica, leva e rumore di microstruttura, andando oltre gli argomenti classici i.i.d. ad alta dimensionalità.
3. Utilità Pratica: L'inclusione di un'estensione robusta al rumore con una calibrazione a doppio bootstrap affronta le difficoltà pratiche dell'analisi dei dati a frequenze ultra-elevate, offrendo una procedura che funziona bene attraverso un'ampia gamma di configurazioni empiriche.

Gli autori concludono che, sebbene il lavoro futuro possa affrontare rumore serialmente dipendente o scenari multivariati, la procedura attuale sintetizza efficacemente i punti di forza dei principali test esistenti per fornire una soluzione affidabile e adattiva per il rilevamento di salti ad alta frequenza.