[논문 리뷰] Rank tests for time-varying covariance matrices observed under noise

Markus Reiß, Lars Winkelmann|arXiv (Cornell University)|2026. 01. 13.

Random Matrices and Applications인용 수 0

한 줄 요약

논문은 로컬 스펙트럼 추정치와 GOE 기반 임계값을 사용하여 관측 노이즈 하에서 시변 스팟 공분산 Σ(t)의 비모수 순위 검정(test)을 개발하고, 로컬 대안 하에서 추가 순위 (r+1)를 탐지한다.

ABSTRACT

We consider a $d$-dimensional continuous martingale $X(t)$ with quadratic variation matrix $\langle X angle_t=\int_0^t Σ(s)\,ds$ and develop tests for the rank of its spot covariance matrix $Σ(t)$, $t\in[0,1]$. The process $X$ is observed under observational noise, as is standard for microstructure noise models in high-frequency finance. We test the null hypothesis ${\mathcal H}_0:rank(Σ(t))\le r$ against local alternatives ${\mathcal H}_{1,n}:λ_{r+1}(Σ(t))\ge v_n$, where $λ_{r+1}$ denotes the $(r+1)$st eigenvalue and $v_n\downarrow 0$ as the sample size $n o\infty$. We construct test statistics based on eigenvalues of carefully calibrated localized spectral covariance matrix estimates. Critical values are provided non-asymptotically as well as asymptotically via maximal eigenvalues of Gaussian orthogonal ensembles. The power analysis establishes asymptotic consistency for a separation rate $v_n hicksim (\underlineλ_r^{-1/(β+1)}n^{-β/(β+1)})\wedge n^{-β/(β+2)}$, depending on the Hölder-regularity $β$ of $Σ$ and a possible spectral gap $\underlineλ_r\ge 0$ under ${\mathcal H}_0$. A lower bound shows the optimality of this rate. We discuss why the rate is much faster than conventional estimation rates. The theory is illustrated by simulations and a real data example with German government bonds of varying maturity.

연구 동기 및 목표

• 고주파 데이터에서 마이크로구조 노이즈하의 시변 스팟 공분산의 순위 테스트를 동기화한다.
• Hölder 정규성으로 구간별 최대 순위 r에 대해 로컬적으로 적응하는 테스트를 개발한다.
• α 유의수준 테스트를 위한 비점진적(비 asymptotic) 및 점근적 임계값을 제공한다.
• 국지 대안에 대한 최적 탐지 속도를 확립하고 다중 구간을 통한 전역 테스트를 논의한다.

제안 방법

• 관측 프로세스 Y(t)를 X(t) 더하기 관측 오차로 모델링하고, X(t)는 연속 마르코프이며 Σ(t)=σ(t)σ(t)ᵀ.
• Φ_j를 사용하는 주파수로 블록 I_{t,h}에서 로컬 스펙트럼 통계 S_j를 구성하고 S_j ∼ N(0, C_j)로 도출.
• 블록 추정량 〓^{t,h}를 I_{t,h}에서 〓^t,h = 〓^t,h - B_w ε_{n,h}^2 I_d로 정의하고 〓^t,h = sum_j w_j S_j^{}로 Σ의 블록 추정 〓^{t,h}를 구성.
• 바이어스와 분산의 균형을 위해 가중치 w_j를 w_j 〓eel{c_w} M^{-1}(1+j^2/M^2)^{-2}로 선택.
• 〓^{t,h}에 대한 중심극한정리(CL T)을 증명하고 편차 경계를 제공; 임계값으로 λ_{r+1}(〓^{t,h})를 γGOE(d-r)와 관련시킨다.
• H0: rank(Σ(t)) ≤ r를 I_{t,h}에서 테스트하기 위한 비점진적 및 GOE 기반 점근 임계값을 제공한다.

실험 결과

연구 질문

• RQ1 다변량 시변 스팟 공분산이 관측 노이즈 하에서 허용된 순위보다 높은 순위를 탐지할 수 있는가?
• RQ2 Hölder 정규성 및 스펙트럼 간격 가정하에서 λ_{r+1}(Σ(t))의 최적 로컬 탐지 속도는 무엇인가?
• RQ3 비모수적 시변 설정에서 순위 검정을 위한 유한 샘플 및 점근 임계값을 어떻게 구성하는가?
• RQ4 구간 블록 길이와 주파수 혼합이 로컬 순위 검정의 검정력과 바이어스-분산 트레이드오프에 어떻게 영향을 미치는가?

주요 결과

• Hölder 정규성 및 스펙트럼 갭 하에서 λ_{r+1}(〓^{t,h})를 기반으로 한 로컬 테스트가 균일 수준-α 제어를 달성한다.
• 비점진적 임계값은 시변성에서의 바이어스와 노이즈로 인한 분산 유사 항을 포함; GOE 기반 점근은 대체 임계값을 제공한다.
• 최적의 로컬 탐지 속도는 v_n = O((β_r^{-1/(eta+1)} n^{-eta/(eta+1)}) ∧ n^{-eta/(eta+2)}), β는 Hölder 지수이고 β_r는 스펙트럼 갭; β=1/2일 때 갭이 있으면 n^{-1/3}, 없으면 n^{-1/5}이다.
• 전 구간에 대한 글로벌 테스트는 거의 최적의 탐지 속도를 로그 손실까지 유지하고, 최소극한 하한은 로컬 속도의 최적성을 확인한다.
• 시뮬레이션과 실제 데이터(독일 국채)에서 유한 샘플 성능 및 통합 공분산과 스팟 공분산 행렬 간의 순위 구조 차이를 보여준다.