[論文レビュー] Quantile Spectral Analysis for Locally Stationary Time Series

Stefan Birr, Stanislav Volgushev+3 more|arXiv (Cornell University)|Apr 17, 2014

Statistical Methods and Inference参考文献 53被引用数 4

ひとこと要約

本稿では、時間変動する依存構造を扱うために、コプシラベースのスペクトル的概念を拡張することで、局所定常時系列に対する分位数スペクトル解析フレームワークを提案する。時間変動するコプシラスペクトルのための局所ラグウィンドウ推定量を提案し、中心極限定理を確立することで、ガウス分布でなく、定常でない系列の自己相関が分位数および時間にわたって検出可能となる。これにより、従来の分散に基づく手法では検出できない尾部ダイナミクスを明らかにした。

ABSTRACT

Classical spectral methods are subject to two fundamental limitations: they only can account for covariance-related serial dependencies, and they require second-order stationarity. Much attention has been devoted lately to quantile-based spectral methods that go beyond covariance-based serial dependence features. At the same time, covariance-based methods relaxing stationarity into much weaker {\it local stationarity} conditions have been developed for a variety of time-series models. Here, we are combining those two approaches by proposing quantile-based spectral methods for locally stationary processes. We therefore introduce a time-varying version of the copula spectra that have been recently proposed in the literature, along with a suitable local lag-window estimator. We propose a new definition of local {\it strict} stationarity that allows us to handle completely general non-linear processes without any moment assumptions, thus accommodating our quantile-based concepts and methods. We establish a central limit theorem for the new estimators, and illustrate the power of the proposed methodology by means of a simulation study. Moreover, in two empirical studies (namely of the Standard \& Poor's 500 series and a temperature dataset recorded in Hohenpeissenberg) we demonstrate that the new approach detects important variations in serial dependence structures both across time and across quantiles. Such variations remain completely undetected, and are actually undetectable, via classical covariance-based spectral methods.

研究の動機と目的

• 厳密定常過程に限定されない分位数ベースのスペクトル解析を、局所定常時系列にまで拡張すること。
• モーメントの仮定なしに分位数間の系列依存を捉える、時間変動するコプシラスペクトル概念を構築すること。
• 時間変動するコプシラスペクトルのための局所ラグウィンドウ推定量を提案し、理論的裏付けを与えること。
• スペクトル密度およびカーネル関数の弱い正則性条件の下で、提案された推定量の中心極限定理を確立すること。
• 本手法が、実際の金融および環境時系列データにおける非ガウス的かつ非定常的依存構造を検出できる能力を示すこと。

提案手法

• 非線形的で非ガウス的であり、モーメント制限なしに許容可能な、局所的厳密定常性の新しい定義を提案する。
• 分位数レベル $(\tau_1, \tau_2)$ および時刻 $t$ にインデックスされた時間変動するコプシラスペクトルを導入し、分位数間の条件付き依存を捉える。
• ランクベースのピリオドグラムのカーネル加重平均化を用いて、時間変動するコプシラスペクトルを推定する局所ラグウィンドウ推定量を開発する。
• バイアスと分散を制御するため、バンド幅 $B_n$ およびカーネル $K_n(k)$ を用いた局所スペクトルスムージング技術を適用する。
• モーメント仮定を回避し、重い尾部に対してロバストな、実証的コプシラ過程からのランクベースピリオドグラムを用いる。
• スペクトル密度およびカーネル関数の弱い正則性条件の下で、推定量の漸近正規性を中央極限定理により確立する。

実験結果

リサーチクエスチョン

• RQ1 古典的手法が失敗する非ガウス的かつ非定常的時系列において、分位数ベースのスペクトル手法は時間変動する系列依存を検出可能か？
• RQ2 2次モーメント定常性や有限モーメントの要件なしに、コプシラスペクトル概念を局所定常過程にどのように拡張できるか？
• RQ3 提案された局所ラグウィンドウ推定量の漸近的挙動はいかなるものか？
• RQ4 本手法は、金融および環境時系列における尾部依存ダイナミクスをどの程度検出可能か？
• RQ5 本手法は、異なる分位数における系列依存を検出する観点で、古典的ピリオドグラムと比べてどのように優れているか？

主な発見

• S&P500インデックス系列では、本手法により強い尾部依存が検出された。これは、$\tau = 0.1$ および $\tau = 0.9$ におけるランクベースコプシラピリオドグラムに原点付近のピークとして現れ、中央値（$\tau = 0.5$）では顕著ではなく、古典的手法では検出されない。
• ホーエンペイセンベルクの気温データでは、分位数間で時間変動する系列依存構造が明らかとなり、非定常的尾部行動を示唆した。
• スペクトル微分の一様収束性および可積分性を含む弱い正則性条件の下で、局所推定量の中心極限定理が確立された。
• 推定量のバイアスは $O(B_n^{-r})$ のオーダーであることが示され、最適なバンド幅選択によりバイアスと分散のバランスが取れる。
• 本手法は、シミュレーションおよび実世界データの両方において、非ガウス的かつ非定常的依存を効果的に同定でき、古典的分散に基づくスペクトル解析を上回る性能を示した。
• 理論的結果により、非線形的かつ非楕円的、重い尾部を有する依存構造下でも、推定量が一貫性および漸近正規性を有することが確認された。