[論文レビュー] On singular value distribution of large dimensional auto-covariance matrices

Zeng Li, Guangming Pan+1 more|arXiv (Cornell University)|Feb 25, 2014

Random Matrices and Applications参考文献 6被引用数 5

ひとこと要約

本稿は、次元 $ p $ と標本サイズ $ T $ が比例して増大する条件下で、i.i.d. な $ p $ 次元誤差項（有限な4次モーメントを有し、Lindeberg 条件を満たす）を仮定したもとで、大規模な自己共分散行列 $ C_{\tau} = T^{-1} \sum_{j=1}^{T} \varepsilon_{\tau+j} \varepsilon_j^t $ の特異値の極限スペクトル分布（LSD）を確立する。主な貢献は、非対称かつ自己相関を有する自己共分散行列に対して、古典的な Marčenko-Pastur の法則を一般化した新しいLSDを導出し、相関構造と交差項を扱うための新規な手法を用いた点である。

ABSTRACT

Let $(\varepsilon_j)_{j\geq 0}$ be a sequence of independent $p-$dimensional random vectors and $τ\geq1$ a given integer. From a sample $\varepsilon_1,\cdots,\varepsilon_{T+τ-1},\varepsilon_{T+τ}$ of the sequence, the so-called lag $-τ$ auto-covariance matrix is $C_τ=T^{-1}\sum_{j=1}^T\varepsilon_{τ+j}\varepsilon_{j}^t$. When the dimension $p$ is large compared to the sample size $T$, this paper establishes the limit of the singular value distribution of $C_τ$ assuming that $p$ and $T$ grow to infinity proportionally and the sequence satisfies a Lindeberg condition on fourth order moments. Compared to existing asymptotic results on sample covariance matrices developed in random matrix theory, the case of an auto-covariance matrix is much more involved due to the fact that the summands are dependent and the matrix $C_τ$ is not symmetric. Several new techniques are introduced for the derivation of the main theorem.

研究の動機と目的

• 次元 $ p $ と標本サイズ $ T $ が比例して増大する際、大規模なラグ-$ \tau $ 自己共分散行列 $ C_{\tau} $ の経験的特異値分布（ESD）のほとんど確実な極限を導出すること。
• 自己共分散行列の高次元的漸近理論の不足に起因し、$ C_{\tau} $ が非対称であり、その和項が相関を持つという点を扱うこと。
• 標本共分散行列に対して成立する古典的な確率行列理論（例：Marčenko-Pastur の法則）を、時間的依存性を有するより複雑な自己共分散行列の状況に一般化すること。
• 高次元確率における非エルミート的かつ依存的な行列構造の特異値分布を解析するための新しい分析的手法を開発すること。

提案手法

• 非対称行列を扱えるように適合されたステルティージェス変換法を用いて、$ C_{\tau} $ の極限スペクトル分布（LSD）を導出する。
• 経験的分布の安定化と特異値の揺らぎの制御を目的として、リスケーリング手法を導入する。
• 誤差ベクトル $ \varepsilon_j $ の4次モーメントが一様に有界であり、弱い依存性を有することを保証するため、Lindeberg 型条件を適用する。
• 誤差ベクトルの尾部挙動を制御するため、切断と条件付き化戦略を用い、ESD の確率的収束およびほとんど確実収束を可能にする。
• 行列 $ C_{\tau} $ を二重線形形式の和に分解し、モーメント法を用いて特異値を解析する。
• ESD と極限分布の間の $ L^4 $-距離をバインドすることで、ESD が決定的極限にほとんど確実に収束することを確立する。

実験結果

リサーチクエスチョン

• RQ1 次元 $ p $ と標本サイズ $ T $ が比例して増大する際、大規模なラグ-$ \tau $ 自己共分散行列 $ C_{\tau} $ の特異値の極限分布は何か？
• RQ2 $ C_{\tau} $ の和項における依存構造は、i.i.d. 標本共分散行列と比較して、その特異値分布の収束にどのように影響を与えるか？
• RQ3 高次元的漸近的条件下で、非対称かつ依存的な自己共分散行列に対して、Marčenko-Pastur の法則を拡張できるか？
• RQ4 高次元における非エルミート的かつ依存的な確率行列のLSDを解析するために、どのような新しい技術的ツールが必要か？
• RQ5 $ C_{\tau} $ の特異値分布は、動的因子モデルにおける潜在因子数の特定という要因分析問題とどのように関係するか？

主な発見

• $ p $ と $ T $ が比例して増大する条件下で、i.i.d. な誤差項（有限な4次モーメントとLindeberg条件を満たす）を仮定すると、$ C_{\tau} $ の経験的特異値分布（ESD）はほとんど確実に決定的極限に収束する。
• $ C_{\tau} $ の極限スペクトル分布（LSD）は、非対称かつ依存構造を有するため、Marčenko-Pastur の法則とは異なる。
• LSD は、自己共分散構造にリゾルベント法を適用した結果得られる複素方程式を満たすステルティージェス変換によって特徴付けられる。
• ESD から LSD への収束速度は、$ L^4 $-距離で $ O(1/T^2) $ であり、強いほとんど確実収束を示している。
• 分析により、$ C_{\tau} $ の特異値は、異なるラグ間の交差項に強く影響を受けることが判明し、これに対応するための新規なモーメントバインドと切断技術が不可欠である。
• 対称性の欠如と時間的依存性を克服するため、特異値挙動の安定化を図るリスケーリングと条件付き化フレームワークを導入した。