[논문 리뷰] Stationarity and Moment Properties of some Multivariate Count Autoregressions

Zinsou Max Debaly, Lionel Truquet|arXiv (Cornell University)|2019. 09. 25.

Stochastic processes and statistical mechanics참고 문헌 9인용 수 4

한 줄 요약

이 논문은 반복적인 랜덤 사상에 대한 수축 및 안정성 기법을 사용하여 단변량 및 다변량 카운트 자기회귀 과정의 정상성과 모멘트 성질을 분석하는 통합 프레임워크를 수립한다. 이는 기존 결과를 개선하여 최적의 정상성 조건을 도출하고, LASSO와 같은 정규화 추정기의 일致성에 필수적인 고차원 시계열 모델에서의 지수적 모멘트 존재성을 증명한다.

ABSTRACT

We study stationarity and moments properties of some count time series models from contraction and stability properties of iterated random maps. Both univariate and multivariate processes are considered, including the recent multivariate count time series models introduced recently by Doukhan et al. (2017). We improve many existing results by providing optimal stationarity conditions or conditions ensuring existence of some exponential moments.

연구 동기 및 목표

• 단변량 및 다변량 카운트 자기회귀 과정의 정상성 및 모멘트 성질을 연구하기 위한 일반적이고 통합적인 접근법을 개발하는 것.
• 상태공간에서의 비기약성 부족으로 인해 표준 마르코프 체인 기법이 실패하는 문제를 해결하는 것.
• 특히 INGARCH 유형의 과정을 위한 고차 및 다변량 모델로 수축 기반 기법을 반복적인 랜덤 사상에 일반화하는 것.
• 정규화 추정기(예: LASSO)의 일관성을 보장하는 데 필수적인 지수적 모멘트 존재성을 보장하는 충분조건을 확립하는 것.
• Doukhan 등(2017)의 기존 결과를 개선하여 다변량 INGARCH 과정에 대해 더 날카르고 일반적인 정상성 및 모멘트 조건을 제공하는 것.

제안 방법

• Wu와 Shao(2004)의 평균에 대한 수축 프레임워크를 고차 자기회귀 과정에 적용하기 위해 랜덤 사상의 역방향 반복을 활용하는 것.
• 측정 가능한 함수 $ F_s(x) $ 를 사용하여 상태 $ X_t $ 의 진화를 정의하고, $ X_{t+1} = F_{\epsilon_{t+1}}(X_t) $ 를 만족시키며, $ \epsilon_t $ 는 i.i.d. 착오항이다.
• 모멘트 및 수축 조건을 적용: $ \mathbb{E}[|f_0(x) - f_0(y)|] \leq C|x-y| $ 와 $ \mathbb{E}[|f_1^m(x) - f_1^m(y)|] \leq \kappa|x-y| $ (여기서 $ \kappa < 1 $) 를 통해 에르고딕성 및 정상성을 보장하는 것.
• 동반 행렬을 정의하고 계수 행렬의 스펙트럼 반경 조건을 사용하여 $ q $-차 다변량 자기회귀로 프레임워크를 확장하는 것.
• 계수 행렬 $ A_j, B_j $ 의 벡터화 형태를 사용하고 행렬 노름을 적용하여 스펙트럼 반경이 1 미만임을 보장하는 조건을 유도하는 것.
• 스털링 수의 제2종을 사용한 포isson 랜덤 변수의 모멘트 유계를 활용하여 尾행동을 제어하고 지수적 모멘트 조건을 도출하는 것.

실험 결과

연구 질문

• RQ1 반복적인 랜덤 사상에 기반한 다변량 카운트 자기회귀 과정의 정상적 해가 존재하기 위한 조건은 무엇인가?
• RQ2 수축 기법은 어떻게 고차 및 다변량 카운트 자료 자기회귀 모델로 일반화될 수 있는가?
• RQ3 이러한 과정들이 지수적 모멘트를 가지는 조건은 무엇이며, 이는 고차원 추론에서 왜 중요한가?
• RQ4 일반화된 프레임워크를 통해 단변량 INGARCH 모델의 결과를 다변량 환경에서 확장하고 개선할 수 있는가?
• RQ5 제안된 조건은 Doukhan 등(2017)의 기존 조건과 비교하여 어떤가? 특히 날카러움과 적용 가능성 측면에서 어떻게 다를까?

주요 결과

• 논문은 반복적인 랜덤 사상의 수축에 기반한 다변량 카운트 자기회귀 과정의 정상성에 대한 일반적인 충분조건을 수립하였으며, 이는 단변량 및 다변량 모두에 적용 가능하다.
• 행렬 $ \sum_{j=1}^q \begin{pmatrix} |B_j|_{\text{vec}} & |A_j|_{\text{vec}} \\ |B_j|_{\text{vec}} & |A_j|_{\text{vec}} \end{pmatrix} $ 의 스펙트럼 반경이 1 미만이면 정상성과 모멘트 존재성이 보장됨을 증명하였다.
• 지수적 모멘트 존재성은 $ |M|_{\infty} < 1 $ 조건을 만족할 경우 확립되며, 여기서 $ M = \sum_{j=1}^q (|B_j|_{\text{vec}} + |A_j|_{\text{vec}}) $ 이다. 이는 고차원 추정에 매우 중요하다.
• 저자들은 Doukhan 등(2017)의 결과를 개선하여 다변량 INGARCH 과정에 대해 더 날카르고 일반적인 정상성 조건을 제공하였다.
• 포isson 분포 착오항을 가진 경우, 균일한 모멘트 유계 $ \|X_\lambda\|_r \leq (1+\delta)\lambda + b_{r,\delta} $ 가 도출되었으며, 이는 $ \lambda $ 에 관계없이 성립한다. 이는 지수적 모멘트 분석을 뒷받침한다.
• 이 프레임워크는 단변량 및 다변량 카운트 과정을 깔끔하고 통합적으로 다룰 수 있으며, 표준 INGARCH 및 INAR 모델을 특수 케이스로 포함한다.