附录B中给出了证明。定理3.1。设X是一个平方可积连续过程,具有平稳增量和变差函数γ(h)=E[| Xt+h- Xt |]=ch2α+1,h>0,常数c>0,粗糙度参数α∈ (-1/2,1/2)。修理 > 0和letZi= xi+ ui,i=1,n、 等距离观测,使u={ui}ni=1为零平均iid序列,独立于X,有限V ar(u)=σu≥ 0、用γ表示*(h) Z的变差函数,设Θ是R+×R+×的紧子集(-(2σu,c,α)位于Θ的内部。最后,将θ的NLL估计值:=(a,c,α)定义为θ=(a,c,α):=arg infθ∈ΘmXk=1^γ*(k,) - 一- c(k)2α+1,固定带宽m≥ 3和^γ*(k,) :=n- 千牛-kXj=1 | Z(j+k)- Zj公司|, k=1,2,m、 然后(^a,^c,^α)→ (2σu,c,α)的概率,如n→ ∞.备注3.1。定理3.1中γ(h)=ch2α+1,h>0的假设在某种程度上是理想化的,并且没有涵盖许多感兴趣的模型。例如,在本文中,我们主要使用γ(h)=h2α+1L(h),h>0的模型,其中函数L在零处缓慢变化,我们回忆起这意味着limx→0L(tx)L(x)=1表示所有t>0。函数L的存在可能会使NLL估计产生偏差。然而,我们推测,这种偏差通常应该很小,因为根据缓慢变化函数的性质(例如,Bingham等人,1989),可以找到所有 > 0和h非常小,Ch2α+1+≤ γ(h)≤ Ch2α+1-, (3.4)表明α估计中的任何潜在偏差可以通过设置我足够小了。在这些更一般的假设下,发展NLLS估计量的渐近结果超出了本文的范围。
|