[논문 리뷰] On $α$-covariance, long, short and negative memories for sequences of random variables with infinite variance

Vygantas Paulauskas|arXiv (Cornell University)|2013. 11. 04.

Stochastic processes and financial applications참고 문헌 26인용 수 8

한 줄 요약

이 논문은 분산이 무한대인 확률과정, 특히 $\alpha$-스테이블 및 정규적으로 변화하는 분포에 대해 고전적 공분산의 대체로 $\alpha$-공분산 개념을 도입하고 확장한다. 이는 분산이 무한대인 무거운 尾 끝 분포 설정에서 전통적 공분산이 실패하는 상황에서 장기, 단기, 음의 기억성 특성을 정의하는 데 유용하다. 이는 선형 과정, 안정된 필드, 무한히 나누어지는 과정에 적용된다.

ABSTRACT

We consider a measure of dependence for symmetric $α$-stable random vectors, which was introduced by the author in 1976. We demonstrate that this measure of dependence can be extended for much more broad class of random vectors (up to regularly varying vectors in separable Banach spaces). This measure is applied for linear random processes and fields with heavy-tailed innovations, for some stable processes, and these applications show that this dependence measure, named as $α$-covariance is a good substitute for the usual covariance. Also we discuss a problem of defining long, short, and negative memories for stationary processes and fields with infinite variances.

연구 동기 및 목표

• 대부분의 $\alpha$-스테이블 벡터에 대해 정의된 바 있는 $\alpha$-공분산 측도를 대칭 $\alpha$-스테이블 벡터에서 더 넓은 범주인 분리 가능한 바나흐 공간 내 정규적으로 변화하는 벡터를 포함하는 임의의 벡터 클래스로 확장한다.
• 두 번째 모멘트가 존재하지 않을 경우, 특히 중량이 무거운 오차항을 가진 선형 과정과 안정된 필드에 대해 $\alpha$-공분산를 고전적 공분산의 실용적인 대체로 확립한다.
• 분산이 무한대인 정상적인 과정과 필드에 대해 $\alpha$-공분산를 사용하여 장기, 단기, 음의 기억성 특성을 정의하고 특성화한다.
• 무한히 나누어지는 과정에서 $\alpha$-공분산와 다른 의존성 측도(예: 공차이, 레비 측도) 간의 관계를 탐색한다.

제안 방법

• 분리 가능한 바나흐 공간 내 $\alpha$-스테이블 랜덤 벡터의 스펙트럼 측도를 통해 $\alpha$-공분산를 정의함으로써, 원래 1976년의 정의를 일반화한다.
• 독립 동일분포인 중량이 무거운 오차항을 가진 선형 과정에 $\alpha$-공분산를 적용하여, 필터 계수와 스펙트럼 측도를 통해 그 형태를 유도한다.
• 레비 측도 $Q$를 기반으로 한 $Q$-공분산를 정의하여 무한히 나누어지는 과정에 대해 개념을 확장함으로써, 안정된 벡터에 대한 $\alpha$-공분산와 유사하게 한다.
• 공차이 함수와 $\alpha$-공분산 함수를 사용하여 무한히 나누어지는 과정에서의 혼합성과 에르고드성 특성을 분석한다.
• $\alpha$-공분산가 무한대에서 0으로 수렴하는 조건을 혼합성에 필요한 조건으로 설정하고, 이와 레비 측도의 구조와의 관계를 규명한다.
• 분산이 무한대인 설정에서 $\alpha$-공분산 함수의 감쇠 속도와 부호 행동을 기반으로 장기, 단기, 음의 기억성의 메모리 분류 프레임워크를 제안한다.

실험 결과

연구 질문

• RQ1 분리 가능한 바나흐 공간 내 정규적으로 변화하는 벡터와 같은 더 일반적인 클래스의 랜덤 벡터로 $\alpha$-공분산를 대칭 $\alpha$-스테이블 벡터에서 일관되게 확장할 수 있는가?
• RQ2 $\alpha$-공분산는 분산이 무한대인 정상적인 과정에서 장기, 단기, 음의 기억성의 정의와 분류를 어떻게 가능하게 하는가?
• RQ3 무한히 나누어지는 과정에서 $\alpha$-공분산와 공차이, 레비 측도와 같은 다른 의존성 측도 간의 관계는 어떠한가?
• RQ4 분산이 무한대인 정상적인 무한히 나누어지는 과정에서 $\alpha$-공분산가 무한대에서 0으로 수렴하는 것이 혼합성을 유도하는 조건은 무엇인가?
• RQ5 $\alpha$-공분산는 분산이 무한대인 과정을 포함한 이론적 및 적용적 설정에서 고전적 공분산의 기능적 대체로 어느 정도 유용한가?

주요 결과

• $\alpha$-공분산 측도는 $d$-차원 대칭 $\alpha$-스테이블 벡터에서 분리 가능한 바나흐 공간 내 정규적으로 변화하는 벡터로 확장되어 이론적 범위가 넓어졌다.
• 중량이 무거운 오차항을 가진 선형 과정에 대해 $\alpha$-공분산는 필터의 구조를 반영하는 의미 있는 의존성 측도를 제공하며, 고전적 공분산와 유사하다.
• $\alpha$-공분산 함수의 감쇠 방식은 제곱 모멘트가 존재하지 않을지라도 감쇠 속도와 부호에 따라 장기, 단기, 음의 기억성의 메모리 특성을 분류할 수 있다.
• 가우시안 성분이 없는 무한히 나누어지는 과정에서는 레비 측도 $Q$를 기반으로 한 $Q$-공분산를 정의하고, 이와 공차이와의 관련성을 보였으며, $\alpha$-공분산가 무한대에서 0으로 수렴하는 것이 혼합성에 필요한 조건임을 확인하였다.
• $\alpha$-공분산 프레임워크는 분산이 무한대인 시계열에서 의존성 분석을 위한 일관되고 해석 가능한 도구를 제공하며, $L_2$-이론에서 고전적 공분산의 실용적인 대체로 유의미하다.