[論文レビュー] Uniform Convergence of Multivariate Spectral Density Estimates

Wei Biao Wu, Paolo Zaffaroni|arXiv (Cornell University)|May 14, 2015

Statistical Methods and Inference参考文献 4被引用数 3

ひとこと要約

本稿は、弱混合条件の下で、関数的依存度の測定を用いて非線形かつマルコフ連鎖でない過程の依存度を定量化することで、多次元ラグ窓スペクトル密度推定器の最適な一様モーメント収束速度を確立する。推定器とその期待値との最大偏差に関する鋭いバウンドを導出し、弱く検証可能なモーメントおよび混合条件の下で、単変量および多次元過程の両方における一様モーメント収束を証明する。

ABSTRACT

We consider uniform moment convergence of lag-window spectral density estimates for univariate and multivariate stationary processes. Optimal rates of convergence are obtained under mild and easily verifiable conditions. Our theory complements earlier results which primarily concern weak or in-probability convergence.

研究の動機と目的

• 最小限で検証可能なモーメントおよび依存条件の下で、多次元スペクトル密度推定器の一様モーメント収束を確立すること。
• 既存の弱収束または確率収束の結果を、ほとんど確実かつモーメントベースの一様収束に拡張すること。
• 弱い依存性を示す多次元時系列におけるスペクトル密度推定の最適収束レートを提供すること。
• 非線形的かつマルコフ連鎖でない過程における依存度を定量化する関数的依存度測定フレームワークを構築すること。
• 単変量から多次元スペクトル推定に結果を一般化し、推定器の最大偏差に関する明示的なバウンドを提供すること。

提案手法

• 時刻0のインノベーションを置き換えたときのプロセスへの影響を測定する関数的依存度に基づくもので、$\delta_{t,p}^{[i]} = \|Z_{it} - Z_{it,\{0\}}\|_p$ で定義される。
• 依存度を時間経過に伴う減少を特徴付けるために、$\Theta_{m,p}^{[i]}$、$\Psi_{m,p}^{[i]}$、$d_{m,p}^{[i]}$ を定義する。
• 正規化された最大偏差 $Q_{ij}(\lambda) = T(\hat{f}_{Tij}(\lambda) - \mathbb{E}[\hat{f}_{Tij}(\lambda)])$ に対して大偏差不等式を適用する。
• 尾部積分と指数モーメントバウンドを用いて、$\| \max_{\lambda} |Q_{ij}(\lambda)| \|_\nu$ のモーメントバウンドを導出する。
• 三角多項式近似を用いて、周波数領域上の最大値を離散グリッド $\lambda_l = \pi l / B_T$ を通じてバウンドする。
• 依存度測定 $\delta_{t,p}^{[i]}$ および $\Theta_{m,p}^{[i]}$ の減衰条件を制御することで、$L^p$ ノルムにおける最大偏差の制御により、一様モーメント収束を確立する。

実験結果

リサーチクエスチョン

• RQ1 弱い依存性の下で、多次元スペクトル密度推定器の最適な一様モーメント収束速度は何か？
• RQ2 関数的依存度測定は、非線形的かつマルコフ連鎖でない時系列における依存度をどのように定量化できるか？
• RQ3 スペクトル推定器の最大偏差がモーメント収束してGumbel分布に従うのはどのような条件下か？
• RQ4 収束結果は線形過程にとどまらず、弱い依存性を示す一般の厳密 stationarity プロセスへ拡張可能か？
• RQ5 どのモーメントおよび混合条件が、多次元スペクトル密度推定における $L^p$ での一様収束を保証するのに十分か？

主な発見

• 条件 $\delta_{t,p}^{[i]} = O(\rho^t)$（$0 < \rho < 1$）の下で、$\| \max_{\lambda} |Q_{ij}(\lambda)| \|_\nu = O(\theta_T)$ が成り立つ。ここで $\theta_T$ は $T$、$B_T$、および依存度測定 $\Theta_{0,p}^{[i]}$ に依存するレートである。
• 最適な収束レートは、弱い条件下で達成される：$\mathbb{E}[Z_0] = 0$、$\|Z_0\|_p < \infty$（$p > 4$）、$B_T = O(T^b)$（$0 < b < 1$）。
• 正規化された最大偏差 $Q(\lambda)/\sqrt{T B_T}$ は、分散 $\kappa f^2(\lambda)$ の正規分布に分布収束し、最大偏差はGumbel極限定理を満たす。
• 主たる結果は、指定された条件下で $\| \max_{0 \leq l \leq B_T} |Q(\lambda_l^*)| \|_\nu \to \|G\|_\nu$ が分布収束することであり、$G$ はGumbel分布に従う。
• $\delta_{t,p}^{[i]}$ の依存度測定は、指数的減衰から多項式的減衰 $O(t^{-\alpha})$（$\alpha > \max[1/2 - (p-4)/(2\delta p), 2\delta/p]$）へ弱めることが可能であり、適用範囲が拡張される。
• 本手法により、一般の弱い依存性を示すプロセスの下で、すべての $1 \leq i,j \leq n$ に対して、スペクトル推定器の期待値からの偏差に関する一様 $L^p$ バウンドが得られる。