[論文レビュー] Spectral analysis of linear time series in moderately high dimensions

Lili Wang, Alexander Aue+1 more|arXiv (Cornell University)|Apr 23, 2015

Random Matrices and Applications参考文献 8被引用数 3

ひとこと要約

本稿は、次元 $ p $ と標本サイズ $ n $ が両方とも無限大に発散し、$ p/n \to 0 $ となる中程度の高次元線形時系列において、正規化および対称化された標本自己共分散行列の経験的固有値分布のほとんど確実な収束を確立する。独立同一分布のノイズ項に有限な4次のモーメントを有し、ヘルミート的かつ同時に対角化可能な係数行列を仮定する下で、極限固有値分布はスティルチェス変換を用いて特徴付けられ、実数直線上の非確率的極限に対応する。

ABSTRACT

This article is concerned with the spectral behavior of $p$-dimensional linear processes in the moderately high-dimensional case when both dimensionality $p$ and sample size $n$ tend to infinity so that $p/n o0$. It is shown that, under an appropriate set of assumptions, the empirical spectral distributions of the renormalized and symmetrized sample autocovariance matrices converge almost surely to a nonrandom limit distribution supported on the real line. The key assumption is that the linear process is driven by a sequence of $p$-dimensional real or complex random vectors with i.i.d. entries possessing zero mean, unit variance and finite fourth moments, and that the $p imes p$ linear process coefficient matrices are Hermitian and simultaneously diagonalizable. Several relaxations of these assumptions are discussed. The results put forth in this paper can help facilitate inference on model parameters, model diagnostics and prediction of future values of the linear process.

研究の動機と目的

• 次元 $ p $ と標本サイズ $ n $ がともに大きく、$ p/n \to 0 $ であるような $ p $ 次元線形過程のスペクトル挙動を分析すること。
• 正規化および対称化された標本自己共分散行列の経験的固有値分布（ESD）が非確率的極限分布にほとんど確実に収束することを確立すること。
• 係数行列の構造的仮定とノイズ分布の下で、これらの行列の極限固有値分布（LSD）を特徴付けること。
• 高次元時系列におけるモデルパラメータの推定、診断、予測のための基礎を提供すること。
• 古典的な結果（半円則、Bai & Yin, 1988）を、時系列的およびクロスセクショナルな依存構造を有する高次元時系列へと拡張すること。

提案手法

• 対称化されたラグ $ \tau $ の標本自己共分散行列 $ \mathbf{S}_{\tau} $ とその母集団対応物 $ \mathbf{\Sigma}_{\tau} $ を定義し、正規化行列 $ \mathbf{C}_{\tau} = \sqrt{n/p}(\mathbf{S}_{\tau} - \mathbf{\Sigma}_{\tau}) $ を構成する。
• 線形過程が、平均ゼロ、単位分散、有限な4次のモーメントを有する $ p $ 次元の独立同一分布のノイズ項によって駆動されると仮定する。
• 構造的仮定を課す：係数行列はヘルミート的かつ同時に対角化可能であり、これにより共同の固有値構造が保証される。
• スティルチェス変換を用いて、行列 $ \mathbf{C}_{\tau} $ の極限固有値分布（LSD）を特徴付け、これを1変量線形過程の伝達関数に関連付ける。
• モーメント法および集中不等式などの確率的行列理論の道具を用いて、ESDがLSDに収束することを証明する。
• 自由確率論にインspiredされた、係数行列の多項式のトレースの極限に関する条件を用いて、構造的仮定を緩和する。

実験結果

リサーチクエスチョン

• RQ1 正規化および対称化された標本自己共分散行列の経験的固有値分布は、中程度の高次元的状況（$ p/n \to 0 $）においてほとんど確実に収束するか？
• RQ2 $ \mathbf{C}_{\tau} = \sqrt{n/p}(\mathbf{S}_{\tau} - \mathbf{\Sigma}_{\tau}) $ の極限固有値分布（LSD）は何か、そしてどのように特徴付けられるか？
• RQ3 LSDは、線形過程の時系列的依存構造、特に伝達関数を通じてどのように依存するか？
• RQ4 同時に対角化可能な係数行列の仮定を超えて、結果を拡張できるか？
• RQ5 LSDは、高次元時系列におけるモデルパラメータの推定および予測にどのような意味を持つのか？

主な発見

• 与えられた漸近的状況下で、$ \mathbf{C}_{\tau} $ の経験的固有値分布は、実数直線上に台を持つ非確率的極限分布にほとんど確実に収束する。
• 極限固有値分布はスティルチェス変換を用いて特徴付けられ、それらは下位の1変量線形過程の伝達関数に依存する。
• LSDは非退化的であり、半円則とは異なり、高次元設定における時系列的依存の影響を反映している。
• 収束は弱い正則性条件のもとで成立する：独立同一分布のノイズ項に平均ゼロ、単位分散、有限な4次のモーメントを仮定する。
• ヘルミート的かつ同時に対角化可能な係数行列の仮定は、これらの行列の多項式の平均トレースの極限に関する条件に緩和可能である。
• 本結果は、線形固有値統計の解析および高次元時系列における1変量の標準誤差の上限の一般化に基礎を提供する。