[논문 리뷰] Quantile Spectral Analysis for Locally Stationary Time Series

Stefan Birr, Stanislav Volgushev외 3명|arXiv (Cornell University)|2014. 04. 17.

Statistical Methods and Inference참고 문헌 53인용 수 4

한 줄 요약

이 논문은 비정상성의 국소적 특성을 가지는 시간열을 위해, 시간에 따라 변화하는 의존 구조를 다룰 수 있도록 복소기반 스펙트럼 개념을 확장함으로써 분位수 스펙트럼 분석 프레임워크를 제안한다. 시간에 따라 변화하는 복소 스펙트럼을 추정하기 위해 국소적 랙윈도우 추정기법을 제안하고, 중심극한정리(central limit theorem)를 확립하여 비정규성과 비정상성의 순차적 의존성 구조를 분위수 전체에 걸쳐 탐지할 수 있도록 한다. 이는 전통적인 공분산 기반 방법으로는 탐지되지 않는 꼬리 동역학을 드러낸다.

ABSTRACT

Classical spectral methods are subject to two fundamental limitations: they only can account for covariance-related serial dependencies, and they require second-order stationarity. Much attention has been devoted lately to quantile-based spectral methods that go beyond covariance-based serial dependence features. At the same time, covariance-based methods relaxing stationarity into much weaker {\it local stationarity} conditions have been developed for a variety of time-series models. Here, we are combining those two approaches by proposing quantile-based spectral methods for locally stationary processes. We therefore introduce a time-varying version of the copula spectra that have been recently proposed in the literature, along with a suitable local lag-window estimator. We propose a new definition of local {\it strict} stationarity that allows us to handle completely general non-linear processes without any moment assumptions, thus accommodating our quantile-based concepts and methods. We establish a central limit theorem for the new estimators, and illustrate the power of the proposed methodology by means of a simulation study. Moreover, in two empirical studies (namely of the Standard \& Poor's 500 series and a temperature dataset recorded in Hohenpeissenberg) we demonstrate that the new approach detects important variations in serial dependence structures both across time and across quantiles. Such variations remain completely undetected, and are actually undetectable, via classical covariance-based spectral methods.

연구 동기 및 목표

• 엄격히 정적인 과정을 넘어서 국소적으로 정적인 시간열을 다룰 수 있도록 분위수 기반 스펙트럼 분석을 확장하는 것.
• 모멘트 가정 없이 분위수 간 순차적 의존성을 캡처할 수 있는 시간에 따라 변화하는 복소 스펙트럼 개념을 개발하는 것.
• 이론적 근거를 바탕으로 시간에 따라 변화하는 복소 스펙트럼을 추정하기 위한 국소적 랙윈도우 추정기법을 제안하는 것.
• 스펙트럼 밀도와 커널 함수에 대한 약한 정규성 조건 하에서 제안된 추정기의 중심극한정리를 확립하는 것.
• 실제 금융 및 환경 데이터에서 비정규성과 비정상성의 의존 구조를 탐지할 수 있는 방법의 능력을 입증하는 것.

제안 방법

• 모멘트 제약 없이 비선형적이며 비정규적인 과정을 허용하는 국소적 엄격 정적성의 새로운 정의를 제안한다.
• 분위수 수준 $(\tau_1, \tau_2)$ 와 시간 $t$ 에 따라 인덱싱된 시간에 따라 변화하는 복소 스펙트럼을 도입하여 조건부 의존성을 분위수 전체에 걸쳐 캡처한다.
• 순위 기반 푸리에 변환의 커널 가중 평균을 사용하여 시간에 따라 변화하는 복소 스펙트럼을 추정하기 위한 국소적 랙윈도우 추정기법을 개발한다.
• 편향과 분산을 제어하기 위해 대역폭 $B_n$ 과 커널 $K_n(k)$ 를 사용하는 국소 스펙트럼 스무딩 기법을 적용한다.
• 모멘트 가정을 피하기 위해 경험적 복소 과정에서 유도된 순위 기반 푸리에 변환을 사용하여 무거운 꼬리에 대한 강건성을 확보한다.
• 스펙트럼 밀도와 커널 함수에 대한 약한 정규성 조건 하에서 추정기의 점근적 정규성을 중심극한정리를 통해 입증한다.

실험 결과

연구 질문

• RQ1 기존의 방법이 실패하는 비정규성과 비정상성의 시간에 따라 변화하는 순차적 의존성을 분위수 기반 스펙트럼 방법이 탐지할 수 있는가?
• RQ2 두차원 정적성 또는 유한한 모멘트를 요구하지 않는 국소적으로 정적 과정에 대해 복소 스펙트럼 개념을 어떻게 확장할 수 있는가?
• RQ3 제안된 국소적 랙윈도우 추정기의 점근적 행동은 어떠한가?
• RQ4 이 방법은 금융 및 환경 시간열에서 꼬리 의존성의 동역학을 어느 정도 탐지할 수 있는가?
• RQ5 다양한 분위수에서 순차적 의존성을 탐지하는 데 있어 제안된 방법이 기존의 푸리에 변환과 어떻게 비교되는가?

주요 결과

• 제안된 방법은 S&P500 지수 시리즈에서 강한 꼬리 의존성을 탐지한다. 이는 $\tau = 0.1$ 과 $\tau = 0.9$ 에서 순위 기반 복소 스펙트럼 푸리에 변환도에 원점 근처의 피크로 나타나며, 중앙값($\tau = 0.5$)에서는 관찰되지 않으며, 기존의 방법으로는 탐지되지 않는다.
• 호헨페센베르크의 기온 데이터셋에서는 분위수 간 시간에 따라 변화하는 순차적 의존성의 구조가 드러나며, 이는 비정적 꼬리 행동을 시사한다.
• 스펙트럼 도함수의 균일 수렴성과 적분 가능성 조건을 포함한 약한 정규성 조건 하에서 국소 추정기의 중심극한정리가 확립된다.
• 추정기의 편향은 순서 $O(B_n^{-r})$ 의 크기를 가지며, 최적의 대역폭 선택은 편향과 분산을 균형 잡는다.
• 모의 및 실제 세계 데이터에서 비정규성과 비정상성의 의존성을 성공적으로 식별하며, 기존의 공분산 기반 스펙트럼 분석보다 뛰어난 성능을 보인다.
• 이론적 결과는 비선형성, 비타원형 및 중량 꼬리 의존성의 구조 하에서도 추정기가 일致하고 점근적으로 정규임을 확인한다.