[논문 리뷰] Spectral analysis of linear time series in moderately high dimensions

Lili Wang, Alexander Aue외 1명|arXiv (Cornell University)|2015. 04. 23.

Random Matrices and Applications참고 문헌 8인용 수 3

한 줄 요약

이 논문은 차원 $ p $와 표본 크기 $ n $이 모두 무한대에 수렴하면서 $ p/n \to 0 $이 되는 중간 고차원 선형 시간열에서, 재정규화 및 대칭화된 표본 자기공분산 행렬의 경험적 고유값 분포의 거의 확실 수렴성을 확립한다. 동일분포이면서 네 번째 모멘트가 유한한 오차항과 헤르미트이자 동시에 대각화 가능한 계수 행렬을 가정할 때, 한계 고유값 분포는 스틸체스 변환을 통해 특징지어지며, 실수선 상의 비확률적 극한으로 대응한다.

ABSTRACT

This article is concerned with the spectral behavior of $p$-dimensional linear processes in the moderately high-dimensional case when both dimensionality $p$ and sample size $n$ tend to infinity so that $p/n o0$. It is shown that, under an appropriate set of assumptions, the empirical spectral distributions of the renormalized and symmetrized sample autocovariance matrices converge almost surely to a nonrandom limit distribution supported on the real line. The key assumption is that the linear process is driven by a sequence of $p$-dimensional real or complex random vectors with i.i.d. entries possessing zero mean, unit variance and finite fourth moments, and that the $p imes p$ linear process coefficient matrices are Hermitian and simultaneously diagonalizable. Several relaxations of these assumptions are discussed. The results put forth in this paper can help facilitate inference on model parameters, model diagnostics and prediction of future values of the linear process.

연구 동기 및 목표

• 차원 $ p $와 표본 크기 $ n $이 모두 크며 $ p/n \to 0 $ 인 조건에서 $ p $-차원 선형 과정의 스펙트럼 행동을 분석하기 위해.
• 재정규화 및 대칭화된 표본 자기공분산 행렬의 경험적 고유값 분포(ESD)가 비확률적 극한 분포로 거의 확실하게 수렴함을 확립하기 위해.
• 계수 행렬의 구조적 가정과 오차항 분포 하에서 이러한 행렬의 한계 고유값 분포(LSD)를 특징지기 위해.
• 고차원 시간열에서 모형 파라미터 추론, 진단 및 예측을 위한 기초를 마련하기 위해.
• 클래식한 결과인 반원법칙(Bai & Yin, 1988)을 시간적 및 횡단적 의존성이 있는 고차원 시간열로 확장하기 위해.

제안 방법

• 대칭화된 지연-$ \tau $ 표본 자기공분산 행렬 $ \mathbf{S}_{\tau} $ 와 그 모집단 대응 행렬 $ \mathbf{\Sigma}_{\tau} $ 를 정의한 후, 재정규화된 행렬 $ \mathbf{C}_{\tau} = \sqrt{n/p}(\mathbf{S}_{\tau} - \mathbf{\Sigma}_{\tau}) $ 를 구성한다.
• 선형 과정이 평균 0, 단위 분산, 유한한 네 번째 모멘트를 가지는 $ p $-차원 동일분포 오차항에 의해 구동된다고 가정한다.
• 구조적 가정을 도입: 계수 행렬은 헤르미트이자 동시에 대각화 가능하여 공동 고유값 구조를 보장한다.
• 스티엘체스 변환을 사용하여 $ \mathbf{C}_{\tau} $ 의 한계 고유값 분포(LSD)를 특징지우며, 이를 단변량 선형 과정의 전달 함수와 연결한다.
• 모멘트 방법과 농도 부등식과 같은 랜덤 행렬 이론 도구를 적용하여 경험적 고유값 분포가 LSD로 수렴함을 증명한다.
• 자유 확률 이론에 영감을 받은 다항식의 계수 행렬의 추적 평균의 극한을 포함하는 조건들로 구조적 가정을 완화한다.

실험 결과

연구 질문

• RQ1 재정규화 및 대칭화된 표본 자기공분산 행렬의 경험적 고유값 분포가 중간 고차원 영역($ p/n \to 0 $)에서 거의 확실하게 수렴하는가?
• RQ2 행렬 $ \mathbf{C}_{\tau} = \sqrt{n/p}(\mathbf{S}_{\tau} - \mathbf{\Sigma}_{\tau}) $ 의 한계 고유값 분포(LSD)는 무엇이며, 어떻게 특징지어지는가?
• RQ3 LSD는 선형 과정의 시간적 의존성 구조, 특히 전달 함수를 통해 어떻게 영향을 받는가?
• RQ4 동시 대각화 가능한 계수 행렬에 대한 가정을 초월하여 결과를 확장할 수 있는가?
• RQ5 LSD는 고차원 시간열에서 모형 파라미터 추론과 예측에 어떤 영향을 미치는가?

주요 결과

• 주어진 점점 커지는 점근적 영역 하에서, $ \mathbf{C}_{\tau} $ 의 경험적 고유값 분포는 실수선에 지지된 비확률적 극한 분포로 거의 확실하게 수렴한다.
• 한계 고유값 분포는 스틸체스 변환을 통해 특징지어지며, 기저 단변량 선형 과정의 전달 함수에 의존한다.
• LSD는 비퇴화적이며 반원법칙과는 다름을 보이며, 고차원 설정에서 시간적 의존성의 영향을 반영한다.
• 약한 정규성 조건 하에서도 수렴이 성립한다: 평균 0, 단위 분산, 유한한 네 번째 모멘트를 가지는 동일분포 오차항.
• 헤르미트이자 동시에 대각화 가능한 계수 행렬에 대한 구조적 가정은 계수 행렬의 다항식의 평균 추적의 극한을 포함하는 조건들로 완화될 수 있다.
• 결과는 선형 고유값 통계 분석과 고차원 시간열로의 단변량 표준오차 경계 일반화를 위한 기초를 제공한다.