時系列セミパラメトリックモデルに対する高次漸近理論

定常過程のスペクトル密度関数の推定において、このノンパラメトリックな推定量と適合された母数型スペクトル密度関数の距離を最小にする母数推定量を最小コントラスト推定量ということにする。この推定量は十分ひろいクラスの距離に対して1次漸近有効となる。したがって、この推定量の高次の漸近挙動に興味がある。通常の母数推定論において、1次漸近有効な推定量はバイアスを調整すれば、自動的に2次漸近有効になる。ところが、最初にのべたセミパラメトリックな推定において、1次漸近有効な最小コントラスト推定量はバイアス調整しても一般に2次漸近有効にならないということを示すことができた。これは、セミパラメトリックな推定論とパラメトリックな推定論との興味ある差異を示している。近年、金融時系列解析に熱い視線がそそがれてきている。この分野ではARCHモデルが頻繁にもちいられている。金融時系列の実証分析よりARCHモデルの残差系列の分布は裾が長い傾向があることが知られている。そこで、まずARCHモデルのボラテリテェーの未知母数を条件つき最小2乗法で推定し、これより推定された残差系列をつくる。この残差系列に母数型の確率密度関数をalpha-divergenceを用いて適合しノンパラメトリックな確率密度関数との距離を最小にするように母数を推定する。これで得られた推定量について漸近分布を求めた。ここで、注意すべきは、この漸近分布はARCHモデルのボラテリテェーの母数の推定量の漸近分布に依存しており、通常のARMAモデル等の残差と著しく異なっていることを示した。以上の推定法はARCHモデルの残差分布上の汎関数を定義するものだが、真の残差分布がずれた場合の、この汎関数のロバスとネスについてもしらべ、どのような分布族に対してロバストかを見た。

定常過程のスペクトル密度関数の推定において、このノンパラメトリックな推定量と適合された母数型スペクトル密度関数の距離を最小にする母数推定量を最小コントラスト推定量ということにする。この推定量は十分ひろいクラスの距離に対して1次漸近有効となる。したがって、この推定量の高次の漸近挙動に興味がある。通常の母数推定論において、1次漸近有効な推定量はバイアスを調整すれば、自動的に2次漸近有効になる。ところが、最初にのべたセミパラメトリックな推定において、1次漸近有効な最小コントラスト推定量はバイアス調整しても一般に2次漸近有効にならないということを示すことができた。これは、セミパラメトリックな推定論とパラメトリックな推定論との興味ある差異を示している。近年、金融時系列解析に熱い視線がそそがれてきている。この分野ではARCHモデルが頻繁にもちいられている。金融時系列の実証分析よりARCHモデルの残差系列の分布は裾が長い傾向があることが知られている。そこで、まずARCHモデルのボラテリテェーの未知母数を条件つき最小2乗法で推定し、これより推定された残差系列をつくる。この残差系列に母数型の確率密度関数をalpha-divergenceを用いて適合しノンパラメトリックな確率密度関数との距離を最小にするように母数を推定する。これで得られた推定量について漸近分布を求めた。ここで、注意すべきは、この漸近分布はARCHモデルのボラテリテェーの母数の推定量の漸近分布に依存しており、通常のARMAモデル等の残差と著しく異なっていることを示した。以上の推定法はARCHモデルの残差分布上の汎関数を定義するものだが、真の残差分布がずれた場合の、この汎関数のロバスとネスについてもしらべ、どのような分布族に対してロバストかを見た。