[논문 리뷰] Probability inequalities for high dimensional time series under a triangular array framework

Fang Han, Weibiao Wu|arXiv (Cornell University)|2019. 07. 15.

Financial Risk and Volatility Modeling참고 문헌 35인용 수 4

한 줄 요약

이 논문은 삼각형 배열 프레임워크 하에서 고차원 시간 시리즈에 대해 비점근적 확률 부등식을 수립하며, 모델이 표본 크기 n에 의존할 경우 고전적인 혼합 조건(예: β-혼합)이 0으로 수렴하지 않을 수 있음을 보여준다. 고차원 가우시안 과정의 β-혼합 계수에 대해 하한을 도출하여, 차원 d가 고정되어 있지 않으면 지수적으로 감소하지 않음을 입증함으로써, 고차원 환경에서 교과서 혼합 결과를 적용할 때의 위험을 드러낸다.

ABSTRACT

Study of time series data often involves measuring the strength of temporal dependence, on which statistical properties like consistency and central limit theorem are built. Historically, various dependence measures have been proposed. In this note, we first survey some of the most well-used dependence measures as well as various probability and moment inequalities built upon them under a high-dimensional triangular array time series setting. We then argue that this triangular array setting will pose substantially new challenges to the verification of some dependence conditions. In particular, ``textbook results" could now be misleading, and hence are recommended to be used with caution.

연구 동기 및 목표

• 삼각형 배열 프레임워크 하에서 고차원 시간 시리즈에서 고전적인 혼합 조건의 타당성을 검토하기 위해.
• 모델이 표본 크기 n에 따라 달라질 경우 교과서 혼합 계수 결과가 왜 오해의 소지가 있는지 밝히기 위해.
• 삼각형 배열 설정 하에서 고차원 가우시안 과정의 β-혼합 계수에 대한 비점근적 하한을 유도하기 위해.
• 비 stationary 환경에서의 약한 의존성 측정법(예: ψ-혼합, 기능적 의존성)의 제한성을 명확히 하기 위해.
• 의존성 구조가 n에 따라 변화할 경우 표준 혼합 계수 감소 가정이 실패할 수 있음을 보여주기 위해.

제안 방법

• 시간 시리즈 모델 {X_{t,n}} 이 표본 크기 n에 의존하는 삼각형 배열 프레임워크를 사용하여, 시간에 따라 변화하는 의존성을 도입한다.
• 이변량 가우시안 벡터에 대해 α-, ρ-, β-혼합 계수 간의 알려진 부등식을 적용한다. 특히 α ≤ ρ ≤ 2πα.
• 마진칼 α-혼합 계수에 대한 하한을 도출한다: α(σ(X_{0,1}), σ(X_{m,1})) ≥ κ^m / (2π), 상관관계 감쇠에 기반하여.
• 사건을 나타내는 지표 변수 V_j = 1_{X_{0,j} ∈ G}, W_j = 1_{X_{m,j} ∈ H} 를 구성하여, 공동 확률의 편차 η ≥ κ^m / (3π) 를 유도한다.
• Hoeffding의 부등식을 적용하여 (1/d)∑V_jW_j 의 경험 평균이 공동 측도에서 벗어날 확률을 유계로 제한한다.
• β-혼합을 공동 측도와 곱측도 간의 총변동 거리로 정의하여, β(σ(X_0), σ(X_m)) ≥ 1 - 2exp(-dκ^{2m}/(18π²)) 를 유도한다.

실험 결과

연구 질문

• RQ1 표본 크기 의존 모델을 가진 고차원 시간 시리즈에서 고전적인 β-혼합 계수 감소 결과를 안전하게 적용할 수 있는가?
• RQ2 삼각형 배열 설정 하에서 고차원 가우시안 과정의 비점근적 β-혼합 계수 경계는 무엇인가?
• RQ3 고차원 비 stationary 시간 시리즈에서 α, ρ, β-혼합 계수 간의 관계는 어떻게 행동하는가?
• RQ4 기본 모델이 n에 따라 변화할 경우 약한 의존성 측정법(예: ψ-혼합)이 얼마나 유지되는가?
• RQ5 왜 표본 크기 n에 따라 달라지는 고차원 설정에서 교과서 혼합 계수 결과가 실패하는가?

주요 결과

• β-혼합 계수 β(σ(X_0), σ(X_m)) 는 1 - 2exp(-dκ^{2m}/(18π²)) 로 하한이 존재하여, d가 고정되어 있지 않으면 0으로 수렴하지 않음을 보여준다.
• 마진칼 α-혼합 계수는 α(σ(X_{0,1}), σ(X_{m,1})) ≥ κ^m / (2π) 를 만족하며, 이는 1차 가우시안 과정에서의 상관관계 감쇠에 기반한다.
• ρ-혼합 계수는 절대 상관관계와 같다: ρ(σ(Z_1), σ(Z_2)) = |Corr(Z_1, Z_2)| 이다. 이는 이변량 가우시안 벡터에 대해 성립한다.
• Hoeffding의 부등식을 차원에 걸쳐 i.i.d. 지표 변수에 적용하여 β-혼합의 하한을 도출함으로써, 고차원에서 비트리비얼한 의존성이 지속됨을 보여준다.
• 이 결과는 고차원 삼각형 배열 설정에서 고전적인 점근적 혼합 결과가 신뢰할 수 없음을 시사하며, 감소 경계에서 C와 γ 가 n에 의존함을 의미한다.
• 논문은 β-혼합 계수가 고차원 삼각형 배열 설정에서는 0으로 수렴하지 않을 수 있으며, 이는 비점근적 분석이 수행되지 않으면 표준 점근적 이론이 무효화됨을 결론으로 이어진다.