[論文レビュー] Spectral methods for small sample time series: A complete periodogram approach

Sourav Das, Suhasini Subba Rao+1 more|arXiv (Cornell University)|Jul 1, 2020

Complex Systems and Time Series Analysis参考文献 32被引用数 4

ひとこと要約

本稿では、観測されたデータ境界を越えた最良の線形予測子を組み込むことで、小標本におけるスペクトル解析の有限標本バイアスを低減する新しい「完全周期ogram」を提案する。標準的な離散フーリエ変換（DFT）に未観測ラグの予測値を含めた「完全DFT」に置き換えることで、スペクトル密度の不偏推定量が得られ、その推定版は古典的周期ogramと比較して、特に小標本およびスペクトルピーク付近で顕著にバイアスが低い。

ABSTRACT

The periodogram is a widely used tool to analyze second order stationary time series. An attractive feature of the periodogram is that the expectation of the periodogram is approximately equal to the underlying spectral density of the time series. However, this is only an approximation, and it is well known that the periodogram has a finite sample bias, which can be severe in small samples. In this paper, we show that the bias arises because of the finite boundary of observation in one of the discrete Fourier transforms which is used in the construction of the periodogram. Moreover, we show that by using the best linear predictors of the time series over the boundary of observation we can obtain a "complete periodogram" that is an unbiased estimator of the spectral density. In practice, the "complete periodogram" cannot be evaluated as the best linear predictors are unknown. We propose a method for estimating the best linear predictors and prove that the resulting "estimated complete periodogram" has a smaller bias than the regular periodogram. The estimated complete periodogram and a tapered version of it are used to estimate parameters, which can be represented in terms of the integrated spectral density. We prove that the resulting estimators have a smaller bias than their regular periodogram counterparts. The proposed method is illustrated with simulations and real data.

研究の動機と目的

• 古典的周期ogramにおける顕著な有限標本バイアスを、標本サイズが小さく、スペクトル密度に鋭いピークを有する場合に解消すること。
• 未観測時系列値の予測を組み込むことで、O(n⁻¹)未満のバイアス低減を達成する理論的裏付けのある標準周期ogramの代替手法を開発すること。
• 2次モーメント定常性の下で、最良の線形予測子に基づく完全周期ogramが、スペクトル密度の不偏推定量であることを示すこと。
• 推定された予測子を用いた実用的な推定手順を提案し、実用的応用を確保すること。
• シミュレーションおよび太陽spotsデータの実世界解析を通じて、ピーク振幅推定の改善を検証すること。

提案手法

• 観測時系列 {Xt}t=1n を用いて、τ < 1 および τ > n の Xτ の最良の線形予測子を含めるように、通常のDFTを拡張して「完全離散フーリエ変換（DFT）」を定義する。
• 完全周期ogramを完全DFTの絶対値の二乗として構築する：Ĩn(ω) = |J̃n(ω)|²。これは、真のスペクトル密度 f(ω) の不偏推定量であることが示される。
• cov[J̃n(ω), Jn(ω)] = f(ω) である性質を用い、完全周期ogramの不偏性の理論的基盤を確立する。
• 未知の最良の線形予測子を標本自己共分散を用いて推定し、Yule-Walker方程式を解いて「推定完全周期ogram」を構成する。
• 推定完全周期ogramにデータタッピングを適用することで、漏れとバイアスをさらに低減し、「タッピングされた推定完全周期ogram」を生成する。
• 得られた周期ogramを用いて、スペクトル密度の積分として表現可能なパrameterを推定し、古典的周期ogram推定量と比較してバイアス低減を証明する。

実験結果

リサーチクエスチョン

• RQ1 未観測時系列値の予測を組み込むことで、古典的周期ogramの有限標本バイアスを O(n⁻¹) 未満に低減できるか？
• RQ2 完全DFTに基づく完全周期ogramは、2次モーメント定常性の下でスペクトル密度の不偏推定量を提供するか？
• RQ3 小標本におけるバイアスおよび平均二乗誤差の観点から、推定完全周期ogramは古典的周期ogramおよびタッピング周期ogramと比較してどの程度の性能を示すか？
• RQ4 特に鋭い周波数または支配的周波数が存在する場合、完全周期ogramはスペクトルピークの振幅をよりよく捉えることができるか？
• RQ5 本手法は大標本でもその利点を維持するか？また、太陽spots活動などの実世界データにおいて、古典的手法と比較してどの程度優れているか？

主な発見

• 完全周期ogramは理論的にスペクトル密度 f(ω) の不偏推定量であり、バイアスのオーダーが O(n⁻¹) 未満である。これに対して、古典的周期ogramのバイアスは O(n⁻¹) である。
• 推定完全周期ogramは、小標本において古典的周期ogramと比較して顕著にバイアスが低く、一部のケースではバイアスが O(n⁻¹) から O(n⁻²) にまで低減される。
• シミュレーションでは、小標本（n = 20, 50）のAR(1)およびARMA(1,1)モデルにおいて、ピーク付近でバイアスが50–70％低減された。
• 太陽spotsデータ（n = 3168）では、11年周期のピーク振幅が、通常周期ogram（6.98×10⁵）およびタッピング周期ogram（6.25×10⁵）よりも高い（7.1×10⁵）ことが検出され、振幅推定の優位性が示された。
• バートレット窓による平滑化後、完全周期ogramおよびタッピングされた完全周期ogramは、11年ピークがより顕著かつ明確に現れ、9.1–12.6年という準周期帯域もよりよく捉えていた。
• 実データにおいても、完全周期ogramは、真のスペクトル形状と振幅を保持する点で頑健であり、大標本においても古典的手法を上回る性能を示した。