[논문 리뷰] Path prediction of aggregated alpha-stable moving averages using semi-norm representations

Sébastien Fries|arXiv (Cornell University)|2018. 09. 10.

Probabilistic and Robust Engineering Design참고 문헌 25인용 수 3

한 줄 요약

이 논문은 단위 실린더 위의 반노름 기반 표현을 도입하여 집합된 α-스테이블 이동평균의 경로 예측 방법을 개발한다. 이를 통해 과거 관측치가 크기 때문에 조건부 분포를 명시적으로 유도할 수 있다. 주요 기여는 꼬리 행동과 패턴 식별을 연결하는 새로운 스펙트럼 표현으로, 이는 과거 관측치에만 의존하는 과정일 경우에 유효하며, 해석 가능한 예측 역학을 갖는 선형 조합의 스테이블 과정으로까지 확장된다.

ABSTRACT

For (Xt) a two-sided α-stable moving average, this paper studies the conditional distribution of future paths given a piece of observed trajectory when the process is far from its central values. Under this framework, vectors of the form X t=(Xt−m,…,Xt,Xt+1,…,Xt+h), m≥0, h≥1, are multivariate alpha-stable and the dependence between the past and future components is encoded in their spectral measures. A new representation of stable random vectors on unit cylinders -sets {s∈Rm+h+1:∥ s ∥=1} for ∥⋅∥ an adequate semi-norm- is proposed in order to describe the tail behaviour of vectors Xt when only the first m+1 components are assumed to be observed and large in norm. Not all stable vectors admit such a representation and (Xt) will have to be "anticipative enough" for X t to admit one. The conditional distribution of future paths can then be explicitly derived using the regularly varying tails property of stable vectors and has a natural interpretation in terms of pattern identification. The approach extends to processes resulting from the linear combination of stable moving averages and applied to several examples.

연구 동기 및 목표

• 중앙값에서 멀리 떨어진 상태에서 예측적인 α-스테이블 과정에 대해 조건부 경로 예측이 가능하도록 하는 데 목적이 있다.
• 과거 관측치에만 의존하는 조건부 정보를 유지하는 반노름을 사용한 다변량 α-스테이블 벡터의 새로운 표현을 개발한다.
• 과거 관측치에만 의존하는 반노름 표현이 존재하는 조건을 규명한다. 특히 과정이 충분히 예측 가능해야 한다는 조건이 필요하다.
• 큰 과거 궤적을 기반으로 한 향후 경로의 점근적 조건부 분포를 도출하여 극단적 영역에서의 예측 추론을 가능하게 한다.
• 선형 조합의 스테이블 이동평균(스테이블 집합체)으로 프레임워크를 확장하여 다양한 극단적 경로 패턴을 모델링하는 데서의 유연성을 보여준다.

제안 방법

• 단위 실린더 {s ∈ ℝ^{m+h+1} : ||s|| = 1} 위에서 α-스테이블 랜덤 벡터의 새로운 표현을 제안한다. 여기서 ||·||는 ||(x_{-m},...,x_0, x_1,...,x_h)|| = ||(x_{-m},...,x_0, 0,...,0)||를 만족하는 반노름으로, 과거 정보만을 유지한다.
• 단위 실린더 위에 반노름에 기반한 스펙트럼 측도 Γ||·||를 도입한다. 이는 반노름 기반으로 큰 스테이블 벡터의 극한 형태를 특징짓는 데 사용되며, 기존의 유클리드 스펙트럼 측도를 대체한다.
• 과거와 큰 노름을 조건으로 향후 경로의 조건부 분포가 실린더 위의 스펙트럼 측도의 비율로 수렴함을 증명한다. 이는 (1.1)과 유사하지만 반노름 프레임워크에 적응된 형태이다.
• 스테이블 벡터의 정규화된 꼬리 성질을 이용하여 점근적 조건부 분포를 도출함으로써, 극단 조건 하에서의 명시적 경로 예측이 가능해진다.
• 특히 행렬 B와 그 역행렬을 사용하여 집합의 변환 기법(예: TB, T||·||, h1)을 적용하여 새로운 스펙트럼 측도를 원래 측도와 연결한다.
• 독립된 α-스테이블 이동평균의 선형 조합을 통해 집합체 과정으로의 확장을 실시하며, 다양한 극단적 경로 패턴이 나타날 수 있음을 보여준다.

실험 결과

연구 질문

• RQ1 α-스테이블 이동평균 과정에서 과거 값이 중심에서 멀리 떨어져 있을 경우, 향후 경로의 조건부 분포를 명시적으로 도출할 수 있는 조건은 무엇인가?
• RQ2 과거 관측치에만 의존하는 조건에서, 유클리드 노름 대신 반노름 기반 표현이 큰 스테이블 벡터의 극한 형태를 특징짓는 데 사용될 수 있는가?
• RQ3 반노름 표현이 존재하기 위해 기반 과정이 가져야 할 구조적 성질(예: 예측 가능성)은 무엇인가?
• RQ4 실린더 위의 스펙트럼 측도를 기반으로 한 경로 예측 기법이 Basrak과 Segers의 스펙트럼 과정과 비교해 어떻게 다를 수 있는가?
• RQ5 이 프레임워크는 선형 조합의 스테이블 이동평균(스테이블 집합체)로 얼마나 일반화될 수 있으며, 비집합된 과정과 비교해 극단적 경로 패턴은 어떻게 다를 수 있는가?

주요 결과

• 큰 과거 궤적을 조건으로 향후 경로의 조건부 분포는 반노름 단위 실린더 위의 스펙트럼 측도의 비율로 수렴하며, 이는 명시적인 예측 법칙을 제공한다.
• 반노름 표현은 과정이 충분히 예측 가능할 경우에만 존재한다. 그렇지 않으면 그러한 표현은 존재하지 않는다.
• 4차원 벡터의 경우, 스펙트럼 측도 Γ||·||_4는 세 부분으로 분해된다: 원점에 있는 Dirac 질량과, 각각 C||·||_4,1 및 C||·||_4,2 위에 지지되는 두 부분으로 나뉜다.
• 과거 궤적이 크고 향후 경로가 조건부로 예측될 경우, 극한 확률 질량은 관측된 과거 패턴과 실린더 위의 스펙트럼 측도 지지부와의 겹침에 의해 결정된다.
• ρ1과 ρ2의 예시에서, B(V0) 위의 스펙트럼 측도 총 질량은 Γ2(V0) + (σα_1 / 2) * |ρ1|^α / (1 - |ρ1|^α)로 표현되며, 이는 과거와 꼬리 구조의 기여를 반영한다.
• 이 방법은 스테이블 집합체로 성공적으로 일반화되었으며, 비집합된 과정이 항상 동일한 패턴을 반복하는 것과 달리, 다양한 에피소드에서 다른 극단적 경로 패턴이 나타날 수 있다.