[논문 리뷰] Kernel density estimation for stationary random fields

Mohamed El Machkouri|arXiv (Cornell University)|2011. 09. 13.

Financial Risk and Volatility Modeling참고 문헌 22인용 수 13

한 줄 요약

이 논문은 ℤᵈ에 의해 색인된 정적 랜덤 필드에 대해, 일반적인 m-의존성 또는 물리적 의존성 구조 프레임워크 하에서 파르젠-로젠블라트 커널 밀도 추정량의 L¹ 수렴성과 점근 정규성을 확립한다. 주요 기여는 물리적 의존도 측도에 대한 최소 및 검증 가능한 모멘트 및 의존성 조건 하에서, i.i.d. 창발 요소의 가측 함수로 생성된 일반적인 정적 에르고딕 랜덤 필드에 대해, 명시적인 수렴 속도를 갖는 베르리-에센 타입 중심극한정리이다.

ABSTRACT

In this paper, under natural and easily verifiable conditions, we prove the $\mathbb{L}^1$-convergence and the asymptotic normality of the Parzen-Rosenblatt density estimator for stationary random fields of the form $X_k = g\left(\varepsilon_{k-s}, s \in \Z^d ight)$, $k\in\Z^d$, where $(\varepsilon_i)_{i\in\Z^d}$ are i.i.d real random variables and $g$ is a measurable function defined on $\R^{\Z^d}$. Such kind of processes provides a general framework for stationary ergodic random fields. A Berry-Esseen's type central limit theorem is also given for the considered estimator.

연구 동기 및 목표

• ℤᵈ에 의해 색인된 정적 랜덤 필드에 대해 파르젠-로젠블라트 커널 밀도 추정량의 L¹ 수렴성을 확립하기.
• 약한 의존성 조건 하에서 추정량의 점근 정규성을 유도하기, 특히 물리적 의존도 측도 프레임워크를 사용하여.
• 약한 의존성 구조를 갖는 공간적 과정의 맥락에서, 추정량에 대해 베르리-에센 타입 중심극한정리와 명시적인 수렴 속도를 제공하기.
• 기존의 믹싱 또는 선형 과정 결과를 더 넓은 비선형, 정적, 에르고딕 랜덤 필드의 클래스로 확장하기.

제안 방법

• 논문은 랜덤 필드를 $ X_i = g(\varepsilon_{i-s}, s \in \mathbb{Z}^d) $ 로 모델링하며, 여기서 $ (\varepsilon_j) $ 는 i.i.d. 이고 $ g $ 는 가측 함수이므로 일반적인 정적 과정의 클래스를 가능하게 한다.
• 의존성의 정도를 측정하기 위해 물리적 의존도 측도 $ \delta_{i,p} = \|X_i - X_i^*\|_p $ 를 사용한다. 여기서 $ X_i^* $ 는 $ \varepsilon_0 $ 를 i.i.d. 복사본으로 대체한 쌍용 버전이다.
• 증명은 필드의 재색인을 위해 전단사 함수 $ \tau $ 를 사용한 마팅게일 근사와 버크홀더 부등식을 적용하여 추정 오차를 통제하는 데 사용된다.
• 점근 정규성은 물리적 의존도 측도 $ \delta_{i,p} $ 의 감쇠를 활용한 린데베르그 타입 추론을 통해 도출된다.
• 수렴 속도 분석은 관측 영역 $ \Lambda_n $ 과 대역폭 $ b_n $ 에 대해 $ |\Lambda_n| b_n \to \infty $ 라는 조건을 사용한다.
• 핵심 기술적 단계로는 추정 함수의 약한 의존성을 확보하기 위해 $ \mathbb{E}|\overline{\Delta}_0 \overline{\Delta}_i| = o(1) $ 이 $ n \to \infty $ 일 때 성립함을 보이는 것이다.

실험 결과

연구 질문

• RQ1 ℤᵈ에 의해 색인된 정적 랜덤 필드에 대해 파르젠-로젠블라트 커널 밀도 추정량이 L¹ 수렴성을 보일 조건은 무엇인가?
• RQ2 물리적 의존성 프레임워크 하에서 믹싱이 아니며 비선형인 과정에 대해 커널 밀도 추정량의 점근 정규성이 확립될 수 있는가?
• RQ3 약한 의존성을 갖는 공간 설정에서 커널 밀도 추정량의 중심극한정리의 수렴 속도는 무엇인가?
• RQ4 물리적 의존도 측도 $ \delta_{i,p} $ 는 고차원 공간적 필드에서 추정량의 점근적 행동을 어떻게 제어하는가?
• RQ5 약한 의존성을 갖는 공간 과정 맥락에서 커널 밀도 추정량에 대해 베르리-에센 타입 경계를 도출할 수 있는가?

주요 결과

• 조건 $ \sum_{i \in \mathbb{Z}^d} \delta_{i,p} < \infty $ 하에서 파르젠-로젠블라트 커널 밀도 추정량은 $ \mathbb{L}^1 $ 수렴성을 확보하며, 이는 랜덤 필드의 $ p $-안정성을 보장한다.
• 같은 대역폭 조건 $ |\Lambda_n| b_n \to \infty $ 하에서 점근 정규성이 성립하며, 한계 분산은 $ f(x_0) \int_{\mathbb{R}} K^2(t) dt $ 로 i.i.d. 경우와 일치한다.
• 베르리-에센 타입 경계가 확립되어, 분포 근사의 수렴 속도가 $ O\left( \frac{1}{b_n} \sum_{|j| > m_n} \delta_{j,p} \right) $ 임을 보여주며, $ \delta_{j,p} $ 의 합계가 수렴할 경우 이 값은 0으로 수렴한다.
• 마팅게일 근사와 버크홀더 부등식을 사용한 증명 기법은 강한 믹싱이나 선형성 조건이 없을 경우에도 추정 오차를 통제할 수 있도록 한다.
• 결과는 관측 영역 $ \Lambda_n $ 가 정사각형이 아니더라도 $ |\Lambda_n| \to \infty $ 를 만족하는 일반적인 영역에 대해 유효하며, 이는 이전 연구를 확장한다.
• 이 방법은 최소 및 검증 가능한 모멘트 및 의존성 조건 하에서 선형 및 비선형 랜덤 필드, m-의존성 및 물리적 의존성 구조에 모두 적용 가능하다.