[論文レビュー] Rank tests for time-varying covariance matrices observed under noise

Markus Reiß, Lars Winkelmann|arXiv (Cornell University)|Jan 13, 2026

Random Matrices and Applications被引用数 0

ひとこと要約

この論文は、局所スペクトル推定とGOEベースの臨界値を用いて、観測ノイズ下での時変スポット共分散 Σ(t) の非パラメトリック順位検定を開発し、局所的な代替で追加の順位（r+1）を検出する。

ABSTRACT

We consider a $d$-dimensional continuous martingale $X(t)$ with quadratic variation matrix $\langle X\rangle_t=\int_0^t Σ(s)\,ds$ and develop tests for the rank of its spot covariance matrix $Σ(t)$, $t\in[0,1]$. The process $X$ is observed under observational noise, as is standard for microstructure noise models in high-frequency finance. We test the null hypothesis ${\mathcal H}_0:rank(Σ(t))\le r$ against local alternatives ${\mathcal H}_{1,n}:λ_{r+1}(Σ(t))\ge v_n$, where $λ_{r+1}$ denotes the $(r+1)$st eigenvalue and $v_n\downarrow 0$ as the sample size $n\to\infty$. We construct test statistics based on eigenvalues of carefully calibrated localized spectral covariance matrix estimates. Critical values are provided non-asymptotically as well as asymptotically via maximal eigenvalues of Gaussian orthogonal ensembles. The power analysis establishes asymptotic consistency for a separation rate $v_n\thicksim (\underlineλ_r^{-1/(β+1)}n^{-β/(β+1)})\wedge n^{-β/(β+2)}$, depending on the Hölder-regularity $β$ of $Σ$ and a possible spectral gap $\underlineλ_r\ge 0$ under ${\mathcal H}_0$. A lower bound shows the optimality of this rate. We discuss why the rate is much faster than conventional estimation rates. The theory is illustrated by simulations and a real data example with German government bonds of varying maturity.

研究の動機と目的

• マイクロストラクチャノイズ下の高頻度データにおける時変スポット共分散の秩を検定する動機づけ。
• Hölder 正規性を持つ区間に対して局所適応的な最大秩 r の検定を開発。
• α 水準の検定の非漸近的および漸近的臨界値を提供。
• 局所代替の最適検出レートを確立し、複数区間を用いた全体検定を議論。

提案手法

• 観測過程 Y(t) を X(t)（連続マルチンゲール）と観測ノイズの和としてモデル化し、Σ(t)=σ(t)σ(t)ᵀ。
• 区間 I_{t,h} のブロックから Φ_j を用いて周波数を用いた局所スペクトル統計量 S_j を構築し、 S_j ∼ N(0, C_j) を導出。
• 区間 I_{t,h} 上の Σ のブロック推定量 ˜Σ を ˜Σ^{t,h} = ˜Σ^{t,h} - B_w ε_{n,h}^2 I_d として定義し、˜Σ^{t,h} = ∑_j w_j S_j^{⊗2}。
• バイアスと分散の釣り合いをとるため、混合ウェイト w_j を w_j ∝ (1+j^2/M^2)^{-2} の形で選択。
• ˜Σ^{t,h} の中心極限定理を証明し、乖離境界を与える；臨界値として λ_{r+1}(˜Σ^{t,h}) を γ_GO E(d−r) に関連付ける。
• H0: rank(Σ(t)) ≤ r を I_{t,h} で検定するための、非漸近的臨界値と GOE ベースの漸近的臨界値を提供。

実験結果

リサーチクエスチョン

• RQ1 ノイズ観測下で時変スポット共分散の許容秤を超える秩を検出できるか。
• RQ2 Hölder 正規性とスペクトルギャップ仮定の下で λ_{r+1}(Σ(t)) の最適な局所検出レートは何か。
• RQ3 非パラメトリック・時変設定での秩検定の有限サンプル・漸近的臨界値をどう構成するか。
• RQ4 区間長と周波数混合が局所的な秩検定の検出力とバイアス・分散トレードオフにどう影響するか。

主な発見

• 局所検定 λ_{r+1}(˜Σ^{t,h}) は Hölder 正規性とスペクトルギャップの下で一様水準 α の制御を達成。
• 非漸近的臨界値は時変性から生じるバイアスとノイズ由来の分散様項を織り込み；GOE ベースの漸近分布は代替的臨界値を提供。
• 最適な局所検出レートは v_n = O((r^{-1/(eta+1)} n^{-eta/(eta+1)}) ∧ n^{-eta/(eta+2)}) で、β は Hölder 指数、r はスペクトルギャップ；β=1/2 のときギャップありで n^{-1/3}、ギャップなしで n^{-1/5}。
• 全区間に渡るグローバル検定はほぼ最適な検出レートを対数の損失付きで維持し、ミニマックス下限は局所レートの最適性を確認。
• シミュレーションと実データ（ドイツ政府債）により有限サンプルの性能と、統合共分散とスポット共分散の秩構造の違いを示す。