[논문 리뷰] Strongly consistent autoregressive predictors in abstract Banach spaces

M. D. Ruiz‐Medina, J. Álvarez-Liébana|arXiv (Cornell University)|2018. 08. 05.

Statistical Methods and Inference인용 수 6

한 줄 요약

이 논문은 쿨스의 보조정리에 기반한 게르파인 트리플을 구성하고 재생 커널 힐버트 공간(RKHS)을 리그드 힐버트 공간 구조에 통합함으로써, 추상적이고 분리 가능한 바나흐 공간에서 자동회귀 예측자의 강한 일致성을 확립한다. 자기상관 연산자의 성분별 추정자는 연산자 노름에서 강한 일치성을 보이며, 이는 바나흐 공간 노름에서 플러그인 예측자의 강한 일치성을 보장한다.

ABSTRACT

This work derives new results on strong consistent estimation and prediction for autoregressive processes of order 1 in a separable Banach space B. The consistency results are obtained for the component-wise estimator of the autocorrelation operator in the norm of the space L(B) of bounded linear operators on B. The strong consistency of the associated plug-in predictor then follows in the B-norm. A Gelfand triple is defined through the Hilbert space constructed in Kuelbs (1970)' lemma. A Hilbert--Schmidt embedding introduces the Reproducing Kernel Hilbert space (RKHS), generated by the autocovariance operator, into the Hilbert space conforming the Rigged Hilbert space structure. This paper extends the work of Bosq (2000) and Labbas and Mourid 2002.

연구 동기 및 목표

• 힐베르트 공간을 초월하여 일반적인 분리 가능한 바나흐 공간으로 AR(1) 과정에 대한 강한 일치 결과를 확장하는 것.
• 전통적인 힐베르트 공간 방법으로는 부족한 기능적 예측을 다루기 위한 것.
• 연속적 통합과 RKHS 이론을 사용한 일관된 추정 및 예측을 위한 엄밀한 프레임워크를 구축하는 것.
• 보스크(2000)와 라바스·무리드(2011)의 이전 결과를 임의의 분리 가능한 바나흐 공간으로 일반화하고 더 강력한 일치 보장을 제공하는 것.
• 핵심 공간 및 기타 바나흐 공간에서 유리한 통합 성질을 지닌 기능적 시계열 예측의 이론적 기초를 제공하는 것.

제안 방법

• 쿨스의 보조정리를 사용하여 분리 가능한 바나흐 공간 $ B $ 를 힐베르트 공간 $ \widetilde{H} $ 에 통합하는 게르파인 트리플을 구성함으로써, 힐베르트 공간 도구의 사용을 가능하게 한다.
• 자기공분산 연산자가 생성하는 RKHS를 힐베르트 공간 $ \widetilde{H} $ 에 힐베르트-슈미트 통합으로 정의하여, RKHS가 조밀하고 연속적으로 통합되도록 보장한다.
• 이산 웨이블릿 변환을 사용하여 $ \widetilde{H} $ 내에서 정규직교 기저 $ \{F_{\mathbf{m}}\} $ 와 가중치 수열 $ \{t_{\mathbf{m}}\} $ 를 정의함으로써, 바나흐 공간 노름과 RKHS 노름을 연결한다.
• 베셀 포텐셜 공간을 통한 노름 동치를 확립한다: $ B = B_{\infty,\infty}^0[0,1] \hookrightarrow \widetilde{H} = H_2^{-\beta}[0,1] $, $ \beta > 1/2 $, 이를 통해 연속적 통합을 보장한다.
• 연산자 $ C = (I - \Delta)^{-\gamma} $ 를 $ L^2[0,1] $ 에서 정의하고, $ \gamma > 2\beta > 1 $ 를 만족시켜 RKHS 노름 동치를 위한 스펙트럼 조건을 확보한다.
• 자기상관 연산자 $ \rho \in \mathcal{L}(B) $ 의 성분별 추정자의 연산자 노름 $ \|\cdot\|_{\mathcal{L}(B)} $ 에서의 강한 일치성을 증명함으로써, 바나흐 공간 노름에서 플러그인 예측자의 강한 일치성을 이끌어낸다.

실험 결과

연구 질문

• RQ1 일반적인 분리 가능한 바나흐 공간에서 자동회귀 예측자의 강한 일치성을 $ \mathcal{C}[0,1] $ 나 $ \mathcal{D}[0,1] $ 를 초월하여 확립할 수 있는가?
• RQ2 자기공분산 연산자가 유도하는 RKHS 구조를 어떻게 힐베르트 공간에 통합하여 바나흐 공간 내에서 일관된 추정을 가능하게 할 수 있는가?
• RQ3 바나흐 공간과 그 힐베르트 공간에 대한 통합 조건은 플러그인 예측자의 강한 일치성을 보장하는 데 어떤 영향을 미치는가?
• RQ4 리그드 힐베르트 공간과 베셀 포텐셜의 프레임워크를 사용하여 기능적 시계열 예측 분야의 기존 결과를 통합하고 확장할 수 있는가?
• RQ5 웨이블릿 기저와 이산 변환은 바나흐 공간과 그 쌍대 공간의 노름 구조를 기술하는 데 어떤 역할을 하는가?

주요 결과

• 자기상관 연산자 $ \rho $ 의 성분별 추정자는 연산자 노름 $ \|\cdot\|_{\mathcal{L}(B)} $ 에서 강한 일치성을 보이며, 이는 유계 선형 연산자 공간인 바나흐 공간 내 수렴을 보장한다.
• 실측 자기상관 연산자를 기반으로 한 플러그인 예측자는 바나흐 공간 노름에서 강한 일치성을 보이며, 힐베르트 공간 설정에서의 고전적 결과를 바나흐 공간 설정으로 확장한다.
• 쿨스의 보조정리를 통한 게르파인 트리플 구성은 바나흐 공간 $ B $ 를 힐베르트 공간 $ \widetilde{H} $ 에 통합할 수 있게 하여, RKHS 이론의 적용을 가능하게 한다.
• 자기공분산 연산자가 생성하는 RKHS는 $ \widetilde{H} $ 에 힐베르트-슈미트 부분공간으로서 통합되어, 일관성에 필요한 컴acts 및 매끄러움을 보장한다.
• $ \beta > 1/2 $ 일 때, 공간 $ \widetilde{H} = H_2^{-\beta}[0,1] $ 는 잘 정의되어 있으며 $ B = B_{\infty,\infty}^0[0,1] $ 를 포함한다. 이때 $ B^* = B_{1,1}^0[0,1] \hookrightarrow \widetilde{H}^* = H^\beta[0,1] $ 를 만족하여 필요한 통합 조건을 충족한다.
• 스펙트럼 조건 $ \gamma > 2\beta > 1 $ 는 연산자 $ C = (I - \Delta)^{-\gamma} $ 가 $ \|f\|_{\mathcal{H}(X)}^2 \geq \|f\|_{\widetilde{H}^*}^2 $ 를 만족함을 보장하여, 일관성 증명을 위한 가정 A4 를 검증한다.