[論文レビュー] Statistical inference for large-dimensional tensor factor model by iterative projections

Matteo Barigozzi, Yong He+2 more|arXiv (Cornell University)|Jun 20, 2022

Tensor decomposition and applications被引用数 5

ひとこと要約

本稿は、Tucker分解に基づく大規模次元テンソル要因モデルのための新しい反復射影推定量を提案し、ベクトル要因モデルにおけるPCAに類似した最小二乗解釈を提供する。この手法は、信号次元を同時に低減し、個別成分の大きさを小さくすることで信号対雑音比を向上させ、個別誤差の弱い自己相関およびクロス相関のもとで、ナードなPCA推定量よりも高速な収束速度を達成する。

ABSTRACT

Tensor Factor Models (TFM) are appealing dimension reduction tools for high-order large-dimensional tensor time series, and have wide applications in economics, finance and medical imaging. In this paper, we propose a projection estimator for the Tucker-decomposition based TFM, and provide its least-square interpretation which parallels to the least-square interpretation of the Principal Component Analysis (PCA) for the vector factor model. The projection technique simultaneously reduces the dimensionality of the signal component and the magnitudes of the idiosyncratic component tensor, thus leading to an increase of the signal-to-noise ratio. We derive a convergence rate of the projection estimator of the loadings and the common factor tensor which are faster than that of the naive PCA-based estimator. Our results are obtained under mild conditions which allow the idiosyncratic components to be weakly cross- and auto- correlated. We also provide a novel iterative procedure based on the eigenvalue-ratio principle to determine the factor numbers. Extensive numerical studies are conducted to investigate the empirical performance of the proposed projection estimators relative to the state-of-the-art ones.

研究の動機と目的

• 時系列文脈における大規模次元テンソル要因モデル（TFM）に対する統計的推論ツールの不足に対処すること。
• 信号成分と個別成分の両方の大きさを低減することで、信号対雑音比を向上させる射影に基づく推定量の開発。
• 個別成分に弱い自己相関・クロス相関がある場合の、負荷および共通要因テンソルの理論的収束速度の確立。
• 各モードにおける要因数を一貫して推定するための新規な反復的固有値比手順の提案。
• 推定量に最小二乗解釈を提供し、ベクトル要因モデルにおけるPCAに類似させる。

提案手法

• Tucker分解されたテンソル要因モデルに対して、次元低減とノイズ低減を目的とした反復的射影を用いた射影推定量を提案。
• 射影されたテンソルデータに対して最小二乗最小化を適用し、負荷および共通要因を推定。これはベクトルモデルにおけるPCAに類似している。
• 反復的精緻化を実施：各ステップで、推定された負荷が張る空間へ射影し、必要に応じて1つの追加成分を加える。
• 各モードにおける要因数を決定するため、反復的アルゴリズムに固有値比原理を適用し、一貫性を向上。
• Weylの不等式および行列の摂動理論を用いて、射影された標本共分散行列の固有値の収束速度を導出。
• 個別成分に弱い依存性（弱い自己相関およびクロス相関）を許容するやや弱い仮定のもとで理論的バインディングを確立。

実験結果

リサーチクエスチョン

• RQ1 Tucker分解されたテンソル要因モデルに対する射影ベース推定量は、ナードなPCA推定量よりも高速な収束速度を達成できるか？
• RQ2 信号成分とノイズ成分の両方の次元を同時に低減することで、高次元テンソル時系列における信号対雑音比をどのように向上させられるか？
• RQ3 提案された射影推定量の負荷および共通要因テンソルの理論的収束速度は何か？
• RQ4 反復的固有値比手順は、テンソル要因モデルの各モードにおける要因数を一貫して推定できるか？
• RQ5 射影推定量の最小二乗解釈はどのような条件下で成り立ち、ベクトル要因モデルにおけるPCAにどのように類似しているか？

主な発見

• 提案された射影推定量は、ナードなPCAに基づく推定量と比較して、負荷および共通要因テンソルの収束速度が速い。
• この手法は、信号成分の次元を同時に低減し、個別成分テンソルの大きさを小さくすることで、信号対雑音比を向上させる。
• 個別成分に弱い自己相関およびクロス相関を許容するやや弱い条件下で、理論的収束速度が確立された。
• 反復的固有値比手順は、高次元設定下でも各モードにおける要因数を一貫して推定できる。
• 推定量は、ベクトル要因モデルにおけるPCAに類似した最小二乗解釈を備えており、原理的統計的基盤を提供する。
• 数値実験により、有限標本における状態の最良手法と比較して、射影推定量の優れた経験的性能が確認された。