[논문 리뷰] Adaptive semiparametric wavelet estimator and goodness-of-fit test for long memory linear processes

Jean‐Marc Bardet, Hatem Bibi|arXiv (Cornell University)|2010. 12. 03.

Fault Detection and Control Systems참고 문헌 21인용 수 5

한 줄 요약

이 논문은 선형 과정에서 장기 기억 파라미터 $ d $ 를 위한 적응형 반모수파라미터 웨이블릿 추정기법을 제안한다. 기존의 정규분포 가정을 초월하여, 웨이블릿 변동도 추정기법을 수정하고 적응형 의사일반화최소제곱법을 사용함으로써, 점점 더 높아진 점근적 효율성과 단순한 카이제곱 적합도 검정을 실현하였다. 시뮬레이션을 통해 일관성과 강건성을 입증하였다.

ABSTRACT

This paper is first devoted to study an adaptive wavelet based estimator of the long memory parameter for linear processes in a general semi-parametric frame. This is an extension of Bardet {\\it et al.} (2008) which only concerned Gaussian processes. Moreover, the definition of the long memory parameter estimator is modified and asymptotic results are improved even in the Gaussian case. Finally an adaptive goodness-of-fit test is also built and easy to be employed: it is a chi-square type test. Simulations confirm the interesting properties of consistency and robustness of the adaptive estimator and test.

연구 동기 및 목표

• 정규분포 과정에서의 장기 기억 파라미터 $ d $ 에 대한 적응형 웨이블릿 기반 추정기법을 반모수적 프레임워크 내에서 일반 선형 과정으로 확장하기.
• 변동도 정의를 수정함으로써 웨이블릿 추정기의 점근적 성질을 향상시키고, 두 번째 순서 스펙트럼 행동에 대한 사전 지식이 없이도 최적의 스케일을 적응적으로 선택할 수 있도록 하기.
• 의사일반화최소제곱 추정기(PGLSE)를 기반으로 한 장기 기억에 대한 적응형 적합도 검정을 구축하고, 카이제곱 점근적 분포를 확보하기.
• 특히 비정규성 및 유한표본 조건 하에서 일관성과 강건성을 입증하기 위해 시뮬레이션을 통해 제안된 추정기와 검정의 성능을 검토하기.
• 로그 웨이블릿 변동도의 다변량 중심극한정리(central limit theorem)를 수립하고, 이는 $ d $ 와 웨이블릿의 푸리에 변환에만 의존하는 단순한 점근적 공분산 행렬을 갖는다.

제안 방법

• 이산 다중해상도 구조가 필요 없이 연속 웨이블릿 변환을 사용하여 $ d $ 의 웨이블릿 기반 추정기법을 적응적으로 적용함으로써, 보다 넓은 웨이블릿 선택 가능성을 확보한다.
• 표본 변동도 추정기법을 수정하여 점근적 효율성을 향상시키고, 변동도의 로그에 대한 다변량 중심극한정리를 도출한다.
• 의사일반화최소제곱 추정기(PGLSE)를 로그 변동도에 적용하고, 점근적 공분산 행렬이 $ d $ 와 웨이블릿의 푸리에 변환에만 의존하도록 구성한다.
• 유사한 조건 하에서 PGLSE의 점근적 정규성을 입증하고, 일반 최소제곱 추정기보다 점근적 분산이 더 작은 것을 확인한다.
• 의사최소제곱 잔차의 제곱합을 정규화한 형태로 적합도 검정을 구성하였으며, 장기 기억의 귀무가설 하에서 카이제곱 분포로 수렴함을 증명하였다.
• 로그 변동도 그래프의 '가장 선형인 부분'을 탐지하는 기반으로 한 적응형 스케일 선택 절차를 도입하여 수동적인 대역폭 또는 스케일 조정이 필요 없도록 한다.

실험 결과

연구 질문

• RQ1 적응형 웨이블릿 추정기법은 정규분포 과정에서 일반 선형 과정으로 반모수적 프레임워크 내에서 확장될 수 있는가?
• RQ2 웨이블릿 변동도 추정기법을 수정함으로써 점근적 효율성 향상과 더 단순한 점근적 공분산 구조가 달성되는가?
• RQ3 PGLSE를 기반으로 한 적응형 장기 기억 적합도 검정을 구성할 수 있으며, 바람직한 점근적 성질을 유지하는가?
• RQ4 비정규성 및 유한표본 조건 하에서 제안된 추정기와 검정의 성능은 기존 방법과 비교해 일관성과 강건성 면에서 뛰어나게 되는가?
• RQ5 로그 변동도의 선형 부분에 기반한 적응형 스케일 선택 절차는 실무에서 일관성 있고 효과적으로 작동하는가?

주요 결과

• 제안된 적응형 웨이블릿 추정기법은 일반 최소제곱 추정기보다 점근적 분산이 더 작은 중심극한정리를 확보하여 효율성 향상을 달성한다.
• 로그 변동도 벡터의 점근적 공분산 행렬은 $ d $ 와 웨이블릿의 푸리에 변환에만 의존하므로, 추론을 단순화하고 효율적인 PGLSE 구성이 가능하다.
• PGLS 잔차 기반의 적응형 적합도 검정은 귀무가설 하에서 카이제곱 분포로 수렴함을 입증하여 간편한 구현이 가능하다.
• 시뮬레이션 결과, $ H_0 $ 하에서 추정기와 검정의 일관성이 확인되었고, 정규성에서의 이탈 상황에서도 강건성을 입증하였다.
• 두 번째 순서 스펙트럼 파라미터가 알려지지 않은 경우에도 적응형 스케일 선택 절차 덕분에 추정기의 양호한 성능 유지가 가능하다.
• 이론적 경계를 허들러 및 마르코프 부등식을 사용하여 유도함으로써, 유한한 네 번째 모멘트를 갖는 대칭적이고 꼬리가 얇은 오차항에 대해서도 방법이 강건함을 입증하였다.