[논문 리뷰] Conditional central limit theorem via martingale approximation

Magda Peligrad|arXiv (Cornell University)|2010. 12. 30.

Stochastic processes and financial applications참고 문헌 19인용 수 8

한 줄 요약

이 논문은 정 stationarity process에 대해 마팅게일 근사 프레임워크를 수립하여 조건부 중심극한정리(CLT) 및 그 기능적 형태를 유도한다. 여기서 L1 및 L2 오차 한계를 사용한다. 근사가 성립하기 위한 필수 및 필요조건—특히 부분합의 조건부 기대값을 포함한 조건—을 제공함으로써, 혼합 시계열, 마코프 체인, 선형 과정을 통합적으로 다룰 수 있도록 한다.

ABSTRACT

In this paper we survey and further study partial sums of a stationary process via approximation with a martingale with stationary differences. Such an approximation is useful for transferring from the martingale to the original process the conditional central limit theorem. We study both approximations in L_2 and in L_1. The results complement the work of Dedecker Merlevede and Volny (2007), Zhao and Woodroofe (2008), Gordin and Peligrad (2009). The method provides an unitary treatment of many limiting results for dependent random variables including classes of mixing sequences, additive functionals of Markov chains and linear processes.

연구 동기 및 목표

• 의존적(stationary) 과정으로의 조건부 중심극한정리(CLT)를 마팅게일 근사를 통해 확장하기.
• 혼합 시계열, 마코프 체인, 선형 과정 등 다양한 의존적 과정을 동일한 근사 프레임워크를 통해 통합적으로 다루기.
• 마팅게일 근사에 대한 정밀한 L1 및 L2 오차 한계를 설정하여 CLT 결과의 이행 가능성을 보장하기.
• 근사가 성립하기 위한 조건부 기대값에 대한 필요 및 충분조건을 규명하며, 특히 약한 의존성의 맥락에서 이를 다루기.
• 다양한 스토케스틱 과정의 클래스에서 마팅게일 근사 조건을 검증하는 체계적인 방법 제공하기.

제안 방법

• 마팅게일 근사의 사용: 부분합을 $ S_n = M_n + R_n $로 분해하며, 여기서 $ M_n $은 정 stationarity 차분을 가지는 마팅게일이고 $ R_n $은 나머지 항이다.
• $ \mathbb{L}_1 $ 및 $ \mathbb{L}_2 $ 노름을 사용하여 오차 $ R_n $을 측정함으로써 조건부 CLT의 수렴 확률을 보장한다.
• $ \lim_{n\to\infty} \|\mathbb{E}_0(S_n)\|_2 / \sqrt{n} = 0 $ 및 $ \frac{1}{n}\sum_{l=1}^n \|\mathbb{E}_0(S_l) - \mathbb{E}_{-1}(S_l) - D_0\|_2^2 \to 0 $ 조건을 적용하여 $ \mathbb{L}_2 $ 근사를 수행한다.
• 근사 유효성을 검증하기 위해 프로젝션 기준, 예를 들어 $ \sum_{i=1}^\infty \|\mathbb{E}_{-i}(X_0) - \mathbb{E}_{-i-1}(X_0)\|_2 < \infty $ 를 사용한다.
• 결과를 특정 클래스에 적용: $ \rho(n) $-혼합을 통한 혼합 시계열, 가역 마코프 체인, 그리고 $ \sum b_j \to c $ 및 $ \frac{1}{n}\mathbb{E}(S_n^2) \to c^2 $ 를 만족하는 선형 과정에 적용한다.

실험 결과

연구 질문

• RQ1 정 stationarity 과정에 대해 마팅게일 근사 $ S_n = M_n + R_n $ 가 $ \mathbb{E}(R_n^2/n) \to 0 $ 를 만족할 수 있는 조건은 무엇인가?
• RQ2 이 근사를 통해 마팅게일의 조건부 CLT가 일반적인 정 stationarity 과정으로 어떻게 이행될 수 있는가?
• RQ3 마팅게일 근사가 $ \mathbb{L}_2 $에서 성립하기 위한 조건부 기대값 $ \mathbb{E}_0(S_n) $ 에 대한 필요 및 충분조건은 무엇인가?
• RQ4 마팅게일 근사 프레임워크가 혼합 시계열, 마코프 체인, 선형 과정 전반에 걸쳐 균일하게 적용될 수 있는가?
• RQ5 프로젝션 기준 및 혼합 계수(예: $ \rho(n) $)는 근사의 타당성을 확보하는 데 어떤 역할을 하는가?

주요 결과

• 조건부 CLT는 정 stationarity 과정에 대해 $ \lim_{n\to\infty} \|\mathbb{E}_0(S_n)\|_2 / \sqrt{n} = 0 $ 이고 $ \frac{1}{n}\sum_{l=1}^n \|\mathbb{E}_0(S_l) - \mathbb{E}_{-1}(S_l) - D_0\|_2^2 \to 0 $ 인 경우에만 성립하며, 이때 $ D_0 \in \mathbb{L}_2 $ 이다.
• $ \rho $-혼합 시계열의 경우, $ \sum_{k=1}^\infty \rho(2^k) < \infty $ 이면 마팅게일 근사는 $ \mathbb{L}_2 $에서 성립한다.
• Maxwell-Woodroofe 조건 $ \sum_{k=1}^\infty \frac{\|\mathbb{E}_0(S_k)\|_2}{k^{3/2}} < \infty $ 는 $ \mathbb{L}_2 $에서의 마팅게일 근사를 보장한다.
• 혁신이 있는 선형 과정의 경우, $ \sum_{j\geq 0} b_j \to c $ 이고 $ \frac{1}{n}\mathbb{E}(S_n^2) \to c^2 $ 이면 근사가 성립한다.
• 가역 마코프 체인에서 $ \mathrm{Var}(S_n)/n \to \sigma_f^2 < \infty $ 이면 $ \mathbb{L}_2 $에서 마팅게일 표현이 성립한다.
• 프로젝션 기준, 예를 들어 $ \sum_{i=1}^\infty \|\mathbb{E}_{-i}(X_0) - \mathbb{E}_{-i-1}(X_0)\|_2 < \infty $ 는 $ \mathbb{L}_2 $에서의 근사에 대해 충분조건을 제공한다.