[논문 리뷰] Superstatistical generalisations of Wishart-Laguerre ensembles of random matrices

A. Y. Abul-Magd, Gernot Akemann외 1명|ArXiv.org|2008. 11. 13.

Complex Systems and Time Series Analysis참고 문헌 3인용 수 6

한 줄 요약

이 논문은 행렬 원소의 분산이 역카이제곱분포에 따라 변동하는 것을 允許함으로써 위샤르트-라거르 랜덤 행렬 집단의 수퍼스테이터스티컬 일반화를 제안한다. 이로 인해 지수 꼬리가 있는 γ-변형 스펙트럼 밀도가 유도되며, 모델은 정확한 해법을 유지하고, 보다 일반화된 γ-의존성 수준 간격 분포를 도출하여 전체 통계를 정확히 캡처한다. 이는 수치 시뮬레이션과 금융 데이터에 의해 검증되었다.

ABSTRACT

Using Beck and Cohen's superstatistics, we introduce in a systematic way a family of generalised Wishart-Laguerre ensembles of random matrices with Dyson index $β$ = 1,2, and 4. The entries of the data matrix are Gaussian random variables whose variances $η$ fluctuate from one sample to another according to a certain probability density $f(η)$ and a single deformation parameter $γ$. Three superstatistical classes for $f(η)$ are usually considered: $χ^2$-, inverse $χ^2$- and log-normal-distributions. While the first class, already considered by two of the authors, leads to a power-law decay of the spectral density, we here introduce and solve exactly a superposition of Wishart-Laguerre ensembles with inverse $χ^2$-distribution. The corresponding macroscopic spectral density is given by a $γ$-deformation of the semi-circle and Marčenko-Pastur laws, on a non-compact support with exponential tails. After discussing in detail the validity of Wigner's surmise in the Wishart-Laguerre class, we introduce a generalised $γ$-dependent surmise with stretched-exponential tails, which well approximates the individual level spacing distribution in the bulk. The analytical results are in excellent agreement with numerical simulations. To illustrate our findings we compare the $χ^2$- and inverse $χ^2$-class to empirical data from financial covariance matrices.

연구 동기 및 목표

• 위샤르트-라거르 랜덤 행렬 집단을 행렬 원소의 분산에서 수퍼스테이터스티컬 변동을 도입함으로써 확장하면서도 정확한 해법을 유지한다.
• 비에르고딕성 및 비 stationary 시스템—특히 금융 공분산 행렬에서—분산 변동이 복잡한 법칙 또는 무거운 꼬리 스펙트럼 밀도를 유도하는 모델을 수립한다.
• 이러한 변동이 존재하는 조건에서 매크로스코픽 스펙트럼 밀도와 마이크로스코픽 수준 간격 분포에 대한 정확한 표현을 유도한다.
• χ², 역χ², 로그정규 분포와 같은 다양한 수퍼스테이터스티컬 클래스가 실질적인 금융 데이터에 얼마나 잘 맞는지 비교한다.
• 보통의 위그너의 추측을 γ-의존성 일반화함으로써, 전체 영역에서 늦어지는 지수 꼬리 수준 간격 통계를 캡처한다.

제안 방법

• 베이크와 코헨의 수퍼스테이터스티컬 기법을 위샤르트-라거르 집단에 적용하기 위해, 분산의 역수인 파ameter η가 확률밀도함수 f(η)에서 추출되도록 한다. 특히 역카이제곱분포를 사용한다.
• i.i.d. 정규분포를 갖는 데이터 행렬 X를 구성하고, 그 분산을 η로 스케일링한 후 공분산 행렬 W = XᵀX를 구성한다.
• 표준 마르첸코-파스트르 법칙과 반원법칙을 f(η)에 대해 평균화함으로써, 지수 꼬리가 있는 γ-변형 스펙트럼 밀도를 도출한다.
• 일반화된 셀베르그 적분을 통해 고유값의 공동확률분포를 유도함으로써, 정확한 유한-N 결과를 가능하게 한다.
• 수치 데이터와 일치시키기 위해, 늦어지는 지수 꼬리가 포함된 γ-의존성 일반화된 위그너의 추측을 제안한다.
• 수치 시뮬레이션을 통해 결과를 검증한다. 몬테카를로 알고리즘을 사용하여 역카이제곱분포에 따라 분산이 변동하는 행렬을 생성하고, 고유값 통계를 분석적 예측과 비교한다.

실험 결과

연구 질문

• RQ1 위샤르트-라거르 집단에서 분산 파ameter η의 수퍼스테이터스티컬 변동은 매크로스코픽 스펙트럼 밀도에 어떻게 영향을 미치는가?
• RQ2 위샤르트-라거르 집단의 수퍼스테이터스티컬 일반화는 비정규성 및 중성 꼬리 스펙트럼 통계를 도입하면서도 정확한 해법을 유지할 수 있는가?
• RQ3 전체 영역에서의 마이크로스코픽 수준 간격 분포의 형태는 무엇이며, 분산 변동 하에서 위그너의 추측은 어떻게 일반화되는가?
• RQ4 역카이제곱분포에 따라 η가 변동하는 수퍼스테이터스티컬 집단은 χ²-분포를 갖는 경우에 비해 실질적인 금융 공분산 행렬에 얼마나 잘 맞는가?
• RQ5 변형 파ameter γ는 스펙트럼 밀도와 수준 간격 통계를 어떻게 형상화하는가?

주요 결과

• 역카이제곱분포 수퍼스테이터스티컬 클래스의 매크로스코픽 스펙트럼 밀도는 마르첸코-파스트르 법칙과 반원법칙의 γ-변형을 보이며, 비유한 지지역과 지수 꼬리를 갖는다.
• 평균 스펙트럼 밀도는 표준 위샤르트-라거르 통계를 역카이제곱분포에 대해 적분 변환함으로써 정확하게 유도되며, 파ameter γ로 매개변수화된다.
• 새로운 γ-의존성 위그너의 추측 일반화를 제안하며, 늦어지는 지수 꼬리가 포함되어 있어 수치 시뮬레이션에서 개별 수준 간격 분포를 정확히 재현한다.
• 모델은 모든 딜런 인덱스 β = 1, 2, 4에 대해 끝없는 N 근사와 유한-N 근사에서 수치 시뮬레이션과 뛰어난 일치를 보인다.
• 실제 금융 공분산 행렬에 적용한 결과, 역카이제곱분포 수퍼스테이터스티컬 모델이 χ²-클래스 모델보다 스펙트럼 밀도의 복잡한 법칙 감쇠를 더 잘 맞춘다.
• 변형 파ameter γ는 스펙트럼 밀도의 지수 꼬리 강도를 제어하며, 표준 위샤르트-라거르와 중성 꼬리 영역 사이의 연속적 보간을 가능하게 한다.