[논문 리뷰] A rigorous and efficient asymptotic test for power-law cross-correlation

Duncan A. J. Blythe|arXiv (Cornell University)|2013. 09. 16.

Complex Systems and Time Series Analysis참고 문헌 7인용 수 7

한 줄 요약

이 논문은 파wer-법 교차상관관계에 대한 엄밀하고 효율적인 渐近 검정을 제안한다. 이는 시간 스케일을 전역으로 활용한 DCCA(정돈된 교차상관 분석) 계수를 이용하여 근거 없는 귀무가설(상관관계가 0임) 하에서 보수적인 p-값을 계산한다. 이 방법은 유형 I 오류 비율을 엄격하게 통제하며, 다항식 추세에 대해 강건하며, 시뮬레이션 기반 접근보다 100,000배 이상 빠르다. 이는 장기적 의존성 시간열에서 실용적인 통계적 추론을 가능하게 한다.

ABSTRACT

Podobnik and Stanley recently proposed a novel framework, Detrended Cross-Correlation Analysis, for the analysis of power-law cross-correlation between two time-series, a phenomenon which occurs widely in physical, geophysical, financial and numerous additional applications. While highly promising in these important application domains, to date no rigorous or efficient statistical test has been proposed which uses the information provided by DCCA across time-scales for the presence of this power-law cross-correlation. In this paper we fill this gap by proposing a method based on DCCA for testing the hypothesis of power-law cross-correlation; the method synthesizes the information generated by DCCA across time-scales and returns conservative but practically relevant p-values for the null hypothesis of zero correlation, which may be efficiently calculated in software. Thus our proposals generate confidence estimates for a DCCA analysis in a fully probabilistic fashion.

연구 동기 및 목표

• 시간열 자료에서 파워-법 교차상관관계에 대한 통계적으로 엄밀하고 계산적으로 효율적인 검정이 부족한 문제를 해결하기 위해.
• 교차상관관계가 0임을 전제로 한 귀무가설 하에서 p-값을 유도함으로써 DCCA 결과에 대한 확률적 신뢰도 추정을 가능하게 하기 위해.
• 장기적 의존성 시간열에서 임의의 차수의 비정상적 다항식 추세에 대해 강건성을 확보하기 위해.
• 허스트 지수 H와 G의 불확실성에도 불구하고, 타입 I 오류 비율을 엄격히 통제하기 위해.
• 금융, 지구물리학, 신경과학 분야의 실세계 적용에 적합한 계산 효율성이 높은 방법을 개발하기 위해.

제안 방법

• 시간 스케일 전역에서 DCCA 계수의 정보를 융합하여 파워-법 교차상관관계를 위한 검정 통계량을 구성한다.
• 교차상관관계가 0임을 전제로 한 귀무가설 하에서 DCCA 상관계수 ρDCCA의 渐近 분포를 도출한다.
• H와 G가 알려져 있지 않고 추정된 경우에도 보수적인 타입 I 오류 통제를 확보하기 위해 ρDCCA의 한계 분산에 대해 최악의 경우 상한을 사용한다.
• 장기적 의존성의 반모형적 모델 하에서 ρDCCA의 한계 공분산 행렬을 유도하며, 임의의 차수의 다항식 추세를 수용할 수 있다.
• 분수적 가우시안 노이즈의 시뮬레이션을 피하기 위해 가우시안 샘플링을 통해 효율적으로 p-값을 계산한다.
• 알려진 및 추정된 허스트 매개변수 하에서 시뮬레이션을 통해 방법의 타당성과 정확성을 검증하였다.

실험 결과

연구 질문

• RQ1 시간 스케일 전역에서 DCCA를 이용한 파워-법 교차상관관계에 대한 통계적으로 엄밀하고 효율적인 검정을 개발할 수 있는가?
• RQ2 H와 G가 알려져 있지 않고 추정된 경우, 타입 I 오류 비율을 어떻게 엄격히 통제할 수 있는가?
• RQ3 장기적 의존성 시간열에서 임의의 차수의 다항식 추세에 대해 이 방법이 얼마나 강건한가?
• RQ4 시뮬레이션 기반 방법에 비해 제안된 방법의 계산 효율성은 어떻게 비교되는가?
• RQ5 유한 표본 크기에서 약한 장기적 교차상관관계를 탐지할 수 있는 검정의 통계적 검정력은 어느 정도인가?

주요 결과

• 제안된 검정은 H와 G가 추정된 경우에도 ρDCCA 분산의 최악의 경우 상한을 사용함으로써 타입 I 오류 비율을 엄격히 통제한다.
• 시뮬레이션 기반 임계값 추정보다 100,000배 이상 빠르며, p-값 계산을 몇 초 내에 수행할 수 있다.
• H와 G가 알려진 경우, 검정의 기각 경계는 중심극한정리 기반 경계 이하에 위치하여 보수적인 타입 I 오류 통제를 확인한다.
• N = 40,000 및 ρ ≥ 0.07일 경우, 50% 이상의 경우에서 귀무가설을 기각하며, 이는 미약한 장기적 교차상관관계를 탐지할 수 있는 충분한 검정력을 보여준다.
• 이 검정은 DCCA의 비정상성 처리 능력을 이어받아 임의의 차수의 다항식 추세에 대해 강건하다.
• H와 G가 알려져 있지 않은 경우에도, 추정 불확실성을 고려한 보수적 경계를 사용함으로써 유효한 p-값을 생성한다.