Splitting schemes and estimators for stochastic differential equations with Hölder multiplicative noise

技術的サマリー：Hölder 乗法的ノイズを伴う確率微分方程式のための分割スキームと推定量

問題提起
本論文は、ドリフト係数 $f$ が局所リプシッツ連続であり、拡散係数 $g$ が指数 $q \in (0, 1/2)$ の Hölder 連続である形式 $dX_t = f(X_t; \theta)dt + g(X_t; \sigma)dW_t$ の一変量確率微分方程式（SDE）のパラメータ推定における課題に取り組む。Cox-Ingersoll-Ross（CIR）モデル、Wright-Fisher モデル、Ahn-Gao モデルなど、広く用いられる過程を含むこのモデルクラスは、既存の推論手法にとって重大な困難を呈する。

Euler-Maruyama（EuM）離散化などの標準的なアプローチは、状態空間を保存しない（例えば、CIR 過程を非負に保てない）ことが多く、係数が大域リプシッツ連続でない場合、強い平均二乗収束性を欠く。ガウス近似やエルミート多項式展開に依存する代替手法（Aït-Sahalia の手法など）は、計算効率の悪さや、観測時間ステップが大きい場合の不安定性に悩まされ得る。さらに、既存の分割スキームは主に大域リプシッツなドリフトまたは加法性ノイズを伴う SDE 向けに開発されており、Hölder 乗法的ノイズを伴う SDE に対して、強い平均二乗収束性と状態空間保存性の両方を満たすスキームの欠如が残されている。

手法
著者は、元の SDE の特定の分解に由来する数値分割スキームに基づく新規フレームワークを提案する。手法は以下の通り進行する：

1. SDE の分解：著者は「可約 SDE」の概念と Lamperti 変換を利用する。項 $\frac{1}{2}g(x)g'(x)$ を加え引きすることでドリフト $f(x)$ を分解する。これにより、元の SDE は以下の 2 つの部分方程式に分割される：

   • 常微分方程式（ODE）：$dX^{[1]}_t = [f(X^{[1]}_t) - \frac{1}{2}g(X^{[1]}_t)g'(X^{[1]}_t)]dt$。
   • 解ける SDE：$dX^{[2]}_t = \frac{1}{2}g(X^{[2]}_t)g'(X^{[2]}_t)dt + g(X^{[2]}_t)dW_t$。
     2 番目の部分方程式は、拡散係数を単位に還元する Lamperti 変換 $Y_t = \int^x \frac{1}{g(u)}du$ によって明示的に解くことができる。

2. 分割スキーム：これらの部分方程式の厳密解を合成して、元の SDE の解を近似する。2 つの特定の合成が導入される：

   • Lie-Trotter（LT）スキーム：解を $\phi^{[2]}_h \circ \phi^{[1]}_h$ として合成する。
   • Strang（S）スキーム：解を $\phi^{[1]}_{h/2} \circ \phi^{[2]}_{h/2} \circ \phi^{[1]}_{h/2}$ として合成する。
     これらのスキームは、明示的かつ状態空間を保存する数値近似を与える。

3. 疑似尤度推定：著者は、これらの分割スキームの遷移密度に基づいて明示的な疑似尤度関数を導出する。ガウス近似とは異なり、これらの密度はガウス変数の非線形変換である。負の疑似対数尤度を最小化することで、パラメータベクトル $\alpha = (\theta, \sigma)^T$ の推定量を得る。

4. 理論的解析：本論文は以下の厳密な証明を提供する：

   • 強い平均二乗収束性：標準的な Milstein 型の定理が適用できないため、Hölder 拡散係数であっても LT スキームが真の解に強く収束することを証明する。これには独自の証明が必要である。
   • 1 ステップ整合性：LT スキームが $O(h^2)$ の 1 ステップ整合性を持ち、Strang スキームが $O(h^3)$ の整合性を持つことを確立する。
   • 漸近性質：LT 推定量の整合性と漸近正規性を証明する。ここで扱われる重要な技術的課題は、疑似尤度がドリフト（$\theta$）と拡散（$\sigma$）パラメータの両方に「絡み合った」依存性を示すことであり、分離可能なパラメータを持つ推定量で用いられたものとは異なる新しい証明技術を必要とする。

主要な結果

• 数値的性能：CIR、Student 拡散、および Ahn-Gao モデルにおける広範なシミュレーションにより、提案された分割スキームが 1 次の強い平均二乗収束を達成することが示された。Strang スキームは、平均二乗誤差および真の不変密度への Wasserstein 距離の点で、Lie-Trotter スキームおよび他の競合手法（EuM、Milstein、半離散、Lamperti+EuM）を一貫して上回る。
• 状態空間の保存：これらのスキームは、入り口境界に対して状態空間（例えば、CIR に対する非負性、Wright-Fisher に対する有界性）を成功裡に保存する。これは EuM や Milstein スキームではしばしば侵害される性質である。
• 推定の精度：提案された分割スキームに基づく疑似最尤推定量（PMLE）は、特に大きな観測時間ステップ（$h_{obs}$）において、精度の点で既存のベンチマーク（Kessler、Hermite、Lamperti に基づく手法）を上回る。Strang 推定量は、基礎となる写像が可逆である場合、一般的に最も正確な推論を提供する。それ以外の場合、Lie-Trotter 推定量は頑健なままである。
• 計算効率：Strang スキームは Lie-Trotter よりもわずかに計算コストが高いが、どちらもエルミート展開に基づく手法よりも著しく高速であり、多くのシナリオで Kessler の手法と同等かそれ以上である。

意義と主張
本論文は、局所リプシッツなドリフトと Hölder 連続な乗法的拡散を伴う広範な SDE クラスに対して、同時に強い平均二乗収束性と状態空間保存性を有する、数値分割スキームに基づく最初の明示的疑似尤度推定量を導入すると主張する。

この研究の意義は以下の点にある：

1. ギャップの埋め合わせ：Hölder ノイズを伴う SDE における推論の手法論的空白を埋める。従来の手法は収束保証の欠如か、解の重要な構造的性質の保存の失敗のいずれかに陥っていた。
2. 新規な分解：Lamperti 変換をドリフトの分割に直接統合する特定の分解戦略により、乗法的ノイズを伴う部分方程式の厳密解が可能となり、これはこの文脈における分割スキームでは伝統的に困難とされてきた課題である。
3. 理論的進展：尤度関数内でドリフトと拡散パラメータが共同で絡み合う推定量に対する整合性と漸近正規性の導出は、新しいモーメント評価と証明技術を必要とする重要な理論的貢献である。
4. 実用的有用性：提案された推定量は、標準的な離散化手法が失敗する複雑な金融、生物、物理モデル（例：金利モデリング、集団遺伝学）におけるシミュレーションに基づく推論とパラメータ推定のための頑健な代替手段を提供する。

著者は、現在の研究はスカラー SDE に焦点を当てているが、このアプローチは多変量可約 SDE と多変量 Lamperti 変換を通じて多変量設定へ自然に拡張可能であると指摘する。また、Ahn-Gao モデルのように大きな時間ステップを持つ特定のモデルでは、Strang 推定量の尤度に必要な可逆性が失敗する可能性があり、その場合は Lie-Trotter 推定量が頑健な代替手段として機能することを認めている。