[논문 리뷰] Big jump principle for heavy-tailed random walks with correlated increments

Marc Höll, Eli Barkai|arXiv (Cornell University)|2021. 06. 27.

Statistical Mechanics and Entropy참고 문헌 48인용 수 4

한 줄 요약

이 논문은 증분이 상관된 극단적으로 꼬리가 두꺼운 랜덤 워크로 빅 점프 원리(BJP)를 확장하며, 합의 극단적 사건이 가장 큰 증분(빅 점프) 뿐 아니라 그 이후의 상관된 증분에도 영향을 받음을 보여준다. 저자들은 조건부와 비조건부 두 가지 BJP 형태를 유도하여, 상관관계가 최대 증분에 비해 합 분포의 꼬리 행동에 이동을 유도함을 입증하며, 이 이동은 상관관계 강도와 빅 점프 발생 시점에 모두 의존함을 보였다.

ABSTRACT

The big jump principle explains the emergence of extreme events for physical quantities modelled by a sum of independent and identically distributed random variables which are heavy-tailed. Extreme events are large values of the sum and they are solely dominated by the largest summand called the big jump. Recently, the principle was introduced into physical sciences where systems usually exhibit correlations. Here, we study the principle for a random walk with correlated increments. Examples are the autoregressive model of first order and the discretized Ornstein-Uhlenbeck process both with heavy-tailed noise. The correlation leads to the dependence of large values of the sum not only on the big jump but also on the following increments. We describe this behaviour by two big jump principles, namely unconditioned and conditioned on the step number when the big jump occurs. The unconditional big jump principle is described by a correlation dependent shift between the sum and maximum distribution tails. For the conditional big jump principle, the shift depends also on the step number of the big jump.

연구 동기 및 목표

• 증분이 상관된 랜덤 워크로 빅 점프 원리(BJP)를 확장하는 것.
• 상관관계가 극단적 합 사건에서 가장 큰 증분의 지배성에 어떤 영향을 미치는지 조사하는 것.
• 빅 점프가 발생한 단계 번호에 조건부인 경우와 비조건부인 경우의 두 가지 BJP 형태를 유도하는 것.
• 메모리 커널과 상관관계 구조가 합 분포의 꼬리 행동에 미치는 영향을 정량화하는 것.
• 상관관계가 있고 꼬리가 두꺼운 시스템에서 극단적 사건을 이해하기 위한 정확히 해석 가능한 모델을 제공하는 것.

제안 방법

• 증분이 상관된 ˜xN = ∑i=1N ˜δi로 랜덤 워크를 모델링하며, ˜δi = ∑j=1i Mi−jδj로 정의되며, δj는 i.i.d.인 꼬리가 두꺼운 랜덤 변수이다.
• 메모리 커널 Mi−j를 사용하여 증분에 상관관계를 유도하며, 일阶 자기상관 모델 및 이산화된 온스터라인-울렌벡 과정을 모델링한다.
• 합 ˜xN에 빅 점프 원리를 적용하고, 그 꼬리 분포가 ˜δmax = max(˜δ1, ..., ˜δN)의 꼬리 분포와 비교된다.
• 합과 최대 분포의 渐近 꼬리 행동을 분석하여 비조건부 BJP를 유도하며, 상관관계에 의존하는 이동이 있음을 보였다.
• 빅 점프가 발생한 단계 번호 b에 조건부로 하여 조건부 BJP를 유도하며, b에 대한 추가적인 의존성이 드러남을 보였다.
• N=2에 대한 정확한 계산과 渐近 분석을 사용하여 꼬리의 멱법칙 지수와 이동을 유도함.

실험 결과

연구 질문

• RQ1 증분의 상관관계가 극단적으로 꼬리가 두꺼운 시스템에서 빅 점프 원리의 타당성과 형태에 어떤 영향을 미치는가?
• RQ2 빅 점프 이후의 후속 증분이 상관관계가 있는 과정에서 합의 극단적 값에 얼마나 기여하는가?
• RQ3 빅 점프가 발생한 단계 번호 b가 합 분포의 꼬리 행동에 어떤 영향을 미치는가?
• RQ4 상관관계가 있는 시스템에서 합과 최대 분포 꼬리 간의 이동 기능 형태는 무엇인가?
• RQ5 빅 점프 원리는 상관관계 강도와 빅 점프 시점의 두 가지를 모두 포함하도록 일반화될 수 있는가?

주요 결과

• 비조건부 빅 점프 원리에서는 합 분포의 꼬리와 최대 증분의 꼬리 사이에 상관관계에 의존하는 이동이 나타나며, 이 이동은 메모리 커널의 함수로 스케일링된다.
• 조건부 빅 점프 원리에서는 이동이 상관관계뿐 아니라 빅 점프가 발생한 단계 번호 b에 의존함을 보여, 극단적 사건 형성의 시간적 의존성이 있음을 시사한다.
• N=2의 경우, 최대 증분 ˜δmax의 꼬리는 i.i.d. 경우와 동일한 멱법칙 f˜δmax(z) ∼ 2αz−1−α를 따르며, 특정 조건 하에서 BJP의 일관성을 확인한다.
• N=2인 균일 분포의 경우, 최대 밀도 함수 f˜δmax(z)는 메모리 매개변수 m에 따라 다른 기울기를 가지는 조각별 선형 함수이며, 상관관계에 명시적인 의존성이 있음을 보여준다.
• 합 분포 fx̃N(z)의 꼬리 지수는 최대 증분 f˜δmax(z)의 꼬리 지수와 渐近적으로 일치하며, 이는 상관관계 하에서도 BJP가 성립함을 확인하나, 위치가 이동되어 있음을 의미한다.
• 이 연구는 상관관계가 재규합 효과를 유도함을 보여주며, 합의 극단적 값이 빅 점프 자체뿐 아니라 그 이후의 전체 증분 시퀀스에 의해 영향을 받음을 시사한다.