[논문 리뷰] A Darling-Erd\H{o}s-type CUSUM-procedure for functional data II

Leonid Torgovitski|arXiv (Cornell University)|2014. 07. 14.

Statistical Methods and Inference참고 문헌 8인용 수 3

한 줄 요약

이 논문은 짧은 범위의 의존성 하에서 기능적 자료에 대해 Darling-Erdös 유형의 CUSUM 절차를 확장하며, 차원 감소를 위해 장기적 기능적 주성분을 사용한다. $L^\kappa$-$m$-근사 가능성 하에서 점근 이론을 수립하고, 변화점 추정치를 도출하며, 시뮬레이션 및 실질적인 전기 자료를 통해 방법의 강건한 성능을 검증한다. 중간 정도의 의존성 하에서도 우수한 성능을 보인다.

ABSTRACT

This article considers testing for mean-level shifts in functional data. The class of the famous Darling-Erd\\H{o}s-type cumulative sums (CUSUM) procedures is extended to functional time series under short range dependence conditions which are satisfied by functional analogues of many popular time series models including the linear functional AR and the non-linear functional ARCH. We follow a data driven, projection-based approach where the lower-dimensional subspace is determined by (long run) functional principal components which are eigenfunctions of the long run covariance operator. This second-order structure is generally unknown and estimation is crucial - it plays an even more important role than in the classical univariate setup because it generates the finite-dimensional subspaces. We discuss suitable estimates and demonstrate empirically that altogether this change-point procedure performs well under moderate temporal dependence. Moreover, Darling-Erd\\H{o}s-type change-point estimates based on (long run) functional principal components as well as the corresponding "fully-functional" counterparts are provided and the testing procedure is finally applied to publicly accessible electricity data from a German power company.

연구 동기 및 목표

• 약한 의존성 하에서 기능적 시계열에 대한 변화점 탐지 절차를 개발하여, 고전적인 Darling-Erdös 점근 이론을 기능적 설정으로 확장한다.
• 기능적 주성분(FPCs)을 데이터 기반의 투영 기반 차원 감소 기법으로 통합하여 평균 이동 탐지에서 검정력과 안정성을 향상시킨다.
• 기능적 AR 및 ARCH 과정을 포함하는 일반적인 약한 의존성 프레임워크인 $L^\kappa$-$m$-근사 가능 과정 하에서 CUSUM 검정 통계량의 점근 분포를 수립한다.
• 투영 기반 변화점 추정치와 완전 기능적 대응 추정치를 비교하고, 유한 표본 성능을 평가한다.
• 몬테카를로 시뮬레이션과 실질적인 독일 전기 자료를 사용하여 방법의 실증적 효과성을 보여준다.

제안 방법

• 기능적 관측치가 장기적 기능적 주성분(FPCs)에 의해 생성된 유한 차원 부분공간에 투영되는 투영 기반 CUSUM 절차를 사용한다.
• 장기 공분산 연산자의 고유함수(장기적 FPCs)를 기반으로 차원 감소를 수행하며, 이는 데이터로부터 추정되고 약한 의존성 하에서 이차 모형을 반영한다.
• $L^\kappa$-$m$-근사 가능성 하에서 CUSUM 검정 통계량의 점근 분포를 유도하며, 이는 기능적 AR 및 ARCH 과정을 포함한다.
• 장기적 FPC 추정치의 일致성과 추정된 변화점 위치의 수렴 속도를 수립한다.
• 핵심 가중치를 사용한 경험 공분산 추정치를 적용하여 장기 공분산 연산자를 근사하며, 대역폭과 截단 파라미터를 신중히 선택한다.
• 투영된 공간에서 다변량 CUSUM 과정에 대한 Darling-Erdös 극한 정리를 유도하며, 차원 감소의 영향을 고려한다.

실험 결과

연구 질문

• RQ1 고전적인 Darling-Erdös 극한 정리는 약한 의존성 하에서 기능적 자료, 특히 평균 수준 이동 탐지 맥락에서 어떻게 일반화될 수 있는가?
• RQ2 장기적 기능적 주성분의 사용은 기능적 시계열에서 CUSUM 기반 변화점 탐지의 성능을 어떻게 향상시키는가?
• RQ3 기저 과정이 $L^\kappa$-$m$-근사 가능할 경우 CUSUM 검정 통계량의 점근적 성질은 무엇이며, i.i.d. 또는 $m$-의존 설정과 어떻게 다를까?
• RQ4 중간 정도의 시간적 의존성 하에서 투영 기반 변화점 추정치는 완전 기능적 추정치와 정확성과 강건성 측면에서 어떻게 비교되는가?
• RQ5 제안된 절차는 고주기 전력 소비 곡선과 같은 실세계 기능적 자료에서 얼마나 잘 작동하는가?

주요 결과

• 논문은 $L^\kappa$-$m$-근사 가능성 하에서 투영된 CUSUM 과정에 대해 Darling-Erdös 극한 정리를 수립하여, 고전 결과를 약한 의존성을 가진 기능적 자료로 확장한다.
• 추정된 변화점 위치의 수렴 속도는 $\mathcal{O}_P((h_n/n)^{1/2}h_n + h_n^{-\rho}\sum_{i=1}^{m_n} i^\rho \delta(i) + m_n/\exp(cm_n))$이며, $m_n = \lfloor(\log n)/c\rfloor$로 설정되어 편향이 무시 가능하다.
• 장기적 FPC 추정치는 $L^\kappa$-$m$-근사 가능성 프레임워크 하에서 일致하며, 추정 오차는 截단 수준 $m_n$에 따라 지수적으로 감소한다.
• 몬테카를로 시뮬레이션은 중간 정도의 시간적 의존성 하에서도 절차의 양호한 성능을 확인하며, 명목 수준에 가까운 경험적 크기와 평균 이동 탐지에 대한 양호한 검정력을 보인다.
• 실제 독일 전기 자료에 대한 응용은 검출 가능한 평균 수준 이동을 확인하며, 방법의 실용적 관련성과 강건성을 입증한다.
• 논문은 제시된 의존성 구조 하에서 투영 기반 추정치가 완전 기능적 추정치와 점근적으로 동일함을 보여주며, 차원 감소 접근법의 타당성을 검증한다.