[論文レビュー] Asymptotic equivalence of spectral density estimation and gaussian white noise

Georgi K. Golubev, Michael Nussbaum+1 more|ArXiv.org|Mar 7, 2009

Stochastic processes and financial applications参考文献 17被引用数 5

ひとこと要約

本稿は、定常ガウス過程のスペクトル密度推定と2つの単純化されたガウスモデルとの間で、漸近的同値性を確立している。それらは非パラメトリックガウススケール回帰モデルおよび、ドリフトが対数スペクトル密度に等しいガウス白色ノイズモデルである。同値性は、共分散行列の巡回行列近似とバケツ型推計法を用いて証明され、これにより、対数周期ogram回帰などの推論手法を直接移転可能となる。

ABSTRACT

We consider the statistical experiment given by a sample of a stationary Gaussian process with an unknown smooth spectral density f. Asymptotic equivalence, in the sense of Le Cam's deficiency Delta-distance, to two Gaussian experiments with simpler structure is established. The first one is given by independent zero mean Gaussians with variance approximately the value of f in points of a uniform grid (nonparametric Gaussian scale regression). This approximation is closely related to well-known asymptotic independence results for the periodogram and corresponding inference methods. The second asymptotic equivalence is to a Gaussian white noise model where the drift function is the log-spectral density. This represents the step from a Gaussian scale model to a location model, and also has a counterpart in established inference methods, i.e. log-periodogram regression. The problem of simple explicit equivalence maps (Markov kernels), allowing to directly carry over inference, appears in this context but is not solved here.

研究の動機と目的

• 定常ガウス過程の統計的実験とより単純なガウスモデルとの間で、ラ・カムの欠損距離における漸近的同値性を確立すること。
• 古典的スペクトル推定と現代の非パラメトリックガウス白色ノイズモデルの間のギャップを埋め、特に対数周期ogram回帰に対して有効にすること。
• 非パラメトリック設定におけるスペクトル密度推定のための、より単純なモデル（例：対数周期ogram回帰）を正当化する理論的根拠を提供すること。
• 明示的な同値写像（マーモフ核の構築）を避ける挑戦に応じ、マーモフ核を明示的に構築することなく漸近的同値性を証明すること。
• 非パラメトリック同値理論を、ソボレフおよびベゾフ滑らかさクラスにおけるスペクトル密度推定に拡張すること。

提案手法

• 等間隔周波数における固有値が f(ωⱼ) に近似できるように、Toeplitz 共分散行列 Γₙ(f) の巡回行列近似の使用。
• 統計的実験 Eₙ を情報量の観点から上界と下界の実験で挟み込むためのバケツ型推計法の適用。
• 特にソボレフおよびベゾフクラスを含む非パラメトリック滑らかさクラス f ∈ Σ を取り扱うために、パrameter空間の局所化。
• スペクトル密度再構築における近似誤差を制御するためのフーリエ級数の切り捨てと L²(0,1) ノルム推計。
• パrameter空間における滑らかさと収束速度を測定するための連続性モジュラス ω(f,t)₂ と L²(ℝ) ノルムの使用。
• Grama と Nussbaum (1998) が得た非パラメトリックガウススケールモデルに関する既知の結果を活用し、白色ノイズ極限を導出。

実験結果

リサーチクエスチョン

• RQ1 未知のスペクトル密度をもつ定常ガウス過程の統計的実験は、漸近的に単純化されたガウス白色ノイズモデルと同値であるか？
• RQ2 スペクトル密度推定問題は、分散が f(ωⱼ) に等しい非パラメトリックガウススケール回帰モデルと漸近的に同値であるか？
• RQ3 Toeplitz 共分散行列の巡回行列近似が、より単純なモデルとの同値性をどの程度正当化できるか？
• RQ4 漸近的同値性が成立するためのスペクトル密度の滑らかさ条件（例えば、ソボレフまたはベゾフクラス）は何か？
• RQ5 マーモフ核（同値写像）を明示的に構築することなく、漸近的同値性を確立できるか？

主な発見

• 統計的実験 Eₙ = (Nₙ(0, Γₙ(f)), f ∈ Σ) は、等間隔周波数 ωⱼ における独立した N(0, f(ωⱼ)) 成分をもつ非パラメトリックガウススケールモデルと漸近的に同値である。
• Eₙ と、ドリフトが log f(ω) でノイズ強度が n⁻¹/² 比例のガウス白色ノイズモデルとの間でも、漸近的同値性が成立する。
• 同値性は、1/2 < α < 1 を満たすソボレフ滑らかさクラス f ∈ B₂,₂^α において確立され、収束速度が n¹⁻²α のオーダーとなる。
• 巡回共分散行列における近似誤差は、フーリエ係数の ℓ² ノルムを用いてバインドされ、誤差は ∑|j|≤n γ_f²(j)j²n⁻² で制御される。
• 真のスペクトル密度とその切り捨てられたフーリエ級数との L∞-ノルム差は、C n¹/²⁻α ‖f‖₂,α で上界が与えられ、滑らかさのもとで収束が示される。
• 本稿は、白色ノイズモデル (1.6) が元のスペクトルモデルと同一の漸近的フィッシャー情報量を有することを証明しており、推論におけるその有用性を裏付けている。