Exact Differentiable Inference for Fractional Stochastic Volatility: ADavies–Harte-Reparameterized Hamiltonian Monte Carlo Posterior of the Hurst Index, with Application to the VN30 Frontier Index

技術要約：分数型確率的ボラティリティにおける厳密な微分可能推論

問題提起
本論文は、分数型確率的ボラティリティ・モデルにおけるハースト指数（$H$）の推定に伴う計算および推論上の課題に対処している。これらのモデルでは、対数ボラティリティは分数ブラウン運動（fBm）によって駆動される。ここで、$H < 1/2$ は「ラフ（粗い）」ボラティリティを意味し、$H > 1/2$ は「ロングメモリー（長記憶）」ボラティリティを意味する。フル・ポステリア（全事後分布）ベイズ推論が望ましいものの、fBmの非マルコフ的な性質により、伝統的にボトルネックが生じる。具体的には、密な $N \times N$ コバリアンス行列の反転が必要となり、この操作には $O(N^3)$ の計算コストがかかる。そのため、実務者はバイアスのあるスペクトル近似（Whittle擬似尤度など）や頻度論的な点推定子に頼らざ-を得ない。これらの近似は、特に「ラフ」と「ロングメモリー」のレジームを区別する際に、重大なバイアスをもたらす可能性がある。

手法
著者らは、ハースト指数の厳密な尤度を、微分可能かつ計算効率の高い（$O(N \log N)$）ものにするフレームワークを提案している。この手法は、主に以下の3つのコンポーネントで構成される。

1. モデル仕様： 本研究では、対数ボラティリティがfBmによって駆動される分数オルンシュタイン＝ウーレンベック過程に従う確率的ボラティリティSDEを利用している。フロンティア市場のデータ（具体的にはVN30指数）を扱うため、観測モデルには流動性に依存した混合分布を組み込んでいる。これにより、「停滞価格（取引によるゼロ・リターン）」のアーティファクトを、真の拡散ガウス・リターンとは異なる、ゼロにおける点質量としてモデル化することで対処している。
2. 厳密な周辺事後分布（スカラー $H$）： スカラーのハースト指数に対して、ジェフリーズ事前分布の下でボラティリティ・オブ・ボラティリティ・パラメータ（$\sigma$）を解析的に積分することで、厳密な周辺尤度を導出している。これにより、モンテカルロ誤差を排除した、決定論的な求積法によって計算されるサンプリングフリーの $H$ の事後分布が得られる。
3. 微分可能なDavies–Harte生成器（フル・ポステリア）： パラメータベクトル $(\mu, \kappa, \sigma, H)$ および潜在パスに対するフル・ポステリア推論を可能にするため、Davies–Harte循環埋め込み法を、自動微分を用いたハミルトニアン・モンテカルロ（HMC）サンプラー（具体的にはNo-U-Turnサンプラー）の中に組み込んでいる。
   • fBmのパスは、ホワイトニングされた座標と $H$ の決定論的かつFFT（高速フーリエ変換）微分可能な関数として再パラメータ化される。
   • これにより、勾配がFFTを通じてログ事後分布へと流れ、密な共分散行列の形成や反転を行うことなく、幾何学を考慮したサンプリングが可能となる。
   • 計算コストは、ステップあたりの $O(N^3)$ から $O(N \log N)$ へと削減される。

主な貢献

• 厳密な微分可能推論： 本論文は、スペクトル近似に固有のバイアスを回避しながら、近線形コスト（$O(N \log N)$）で分数型確率的ボラティリティのフル・ポステラー・ベイズ推論を実現する初のスキームを導入した。
• 解析的な周辺化： スケール・パラメータを解析的に周辺化することで、サンプリングフリーの厳密なスカラー・ハースト指数事後分布を提供し、厳密な手法と近似手法の間の推論ギャップを精密に測定することを可能にした。
• 二重検証された実装： 手法はPythonで実装され、Rにおいて独立して検証されている。両方のトラックは $4.9 \times 10^{-11}$ 以内の精度で一致しており、報告されたすべての数値結果の再現性を保証している。
• 理論的妥当性： 本論文には、$H$ に関する特定の条件下でモデルの強解の存在と一意性を証明する良設定性定理が含まれている（$H > 1/2$ ではYoungの意味での積分、$H \in (1/4, 1/2)$ ではラフパスの意味での積分として解釈）。

結果
本手法は、2012年から2026年までの $N=3585$ 日間の日次リターンを用いたVN30フロンティア指数に適用された。

• ハースト指数推定： 厳密な事後分布は、ハースト指数を平均 0.5828、95%信用区間を [0.5614, 0.6052] と置いている。区間全体が厳密に $0.5$ を上回っており、これはラフネスではなくロングメモリー・ボラティリティであることを示している。
• Whittle近似との比較： 標準的なWhittleスペクトル推定子は、MAP推定値として $H=0.56$ を与え、推論をラフなレジームへとシフトさせた。シミュレーション・キャリブレーションにより、Whitte推定子はラフネスへとバイアスがかかり、深刻な被覆率の低下（真の $H=0.70$ において12.5%の被覆率）を招くことが確認された。一方、厳密な事後分布は、公称被覆率に近い、ほぼ不偏な状態を維持している。
• モデル比較： 厳密な事後分布のオッズは、ロングメモリー仮説（$H > 1/2$）がラフ仮説（$H < 1/2$）に対して $1.5 \times 10^{20}$ のベイズ因子で優位であり、VN30データセットにおけるラフ・レジームを事実上否定している。
• 予測性能： 252日のホールドアウト期間におけるアウト・オブ・サンプル予測では、ホライゾンを考慮した予測モデル（異質的自己回帰モデル）が、1日間のランダムウォーク誤差を18.7%減少させた。調整されたGARCH(1,1)モデルはさらに2.5%の減少を達成しており、その近積分的な持続性（$\alpha + \beta = 0.96$）が、ハースト事後分布によって特定されたロングメモリー動態の短記憶近似として機能している。
• 計算効率： タイミング・ベンチマークにより、理論的な複雑性の主張が確認された。$N=3585$ において、Davies–Harte FFT生成器は、密なCholesky分解よりも約1,100倍高速であり、密な手法の経験的なスケーリング指数が2.64（準立方）であるのに対し、実証的なスケーリング指数は0.89（近線形）であった。

意義と主張
本論文は、株式ボラティリティに見られる「ラフネス」は、推定のアーティファクトまたはレジーム特有の特徴である可能性を示唆している。なぜなら、VN30フロンティア指数に対する厳密な推論は、決定的にロングメモリー・レジームを支持しているからである。本研究の意義は以下の通りである。

1. バイアスの除去： 広く用いられているWhittle近似に代わる、バイアスのない選択肢を提供した。著者らは、この近似がレジーム分類（ロングメモリーからラフへ）を質的に変えてしまうことを示した。
2. スケーラビリティ： 非マルコフ的なボラティリティ・モデルに対する厳密なベイズ推論を、大規模なデータセットに対しても計算可能なものとし、これまで近似手法に限定されていた課題を解決した。
3. 実証的な反駁： 単にラフ・レジームを支持しないだけでなく、ベイズ因子によってラフ・レジームを事実上排除することによって、VN30指数に対するラフ・ボラティリティ仮説への厳格なデータ駆動型の反駁を行った。
4. 再現性： 二重のトラック実装と精密な数値検証を通じて、高い再現性の基準を確立した。

著者らは、発展市場においてラフ・レジームは有効な特徴である可能性があるものの、特に流動性の制約やデータの特性が異なるフロンティア市場においては、真のロングメモリー動態と推定のアーティファクトを区別するために、厳密な微分可能推論スキームが必要であると結論付けている。