[论文解读] Rank tests for time-varying covariance matrices observed under noise

Markus Reiß, Lars Winkelmann|arXiv (Cornell University)|Jan 13, 2026

Random Matrices and Applications被引用 0

一句话总结

该论文在观测噪声下为时变点对协方差矩阵 Σ(t) 构建非参数秩检验，使用局部谱估计和基于 GOE 的临界值在局部对比下检测额外的秩 (r+1)。

ABSTRACT

We consider a $d$-dimensional continuous martingale $X(t)$ with quadratic variation matrix $\langle X angle_t=\int_0^t Σ(s)\,ds$ and develop tests for the rank of its spot covariance matrix $Σ(t)$, $t\in[0,1]$. The process $X$ is observed under observational noise, as is standard for microstructure noise models in high-frequency finance. We test the null hypothesis ${\mathcal H}_0:rank(Σ(t))\le r$ against local alternatives ${\mathcal H}_{1,n}:λ_{r+1}(Σ(t))\ge v_n$, where $λ_{r+1}$ denotes the $(r+1)$st eigenvalue and $v_n\downarrow 0$ as the sample size $n o\infty$. We construct test statistics based on eigenvalues of carefully calibrated localized spectral covariance matrix estimates. Critical values are provided non-asymptotically as well as asymptotically via maximal eigenvalues of Gaussian orthogonal ensembles. The power analysis establishes asymptotic consistency for a separation rate $v_n hicksim (\underlineλ_r^{-1/(β+1)}n^{-β/(β+1)})\wedge n^{-β/(β+2)}$, depending on the Hölder-regularity $β$ of $Σ$ and a possible spectral gap $\underlineλ_r\ge 0$ under ${\mathcal H}_0$. A lower bound shows the optimality of this rate. We discuss why the rate is much faster than conventional estimation rates. The theory is illustrated by simulations and a real data example with German government bonds of varying maturity.

研究动机与目标

• 动机：在高频数据的微观结构噪声下测试时变点对协方差的秩。
• 开发对 Hölder 正则性下的区间内最大秩 r 的局部自适应检验。
• 为水平 α 的检验提供非渐近和渐近临界值。
• 确立局部对比的最优检测速率，并讨论通过多个区间实现全局检验。

提出的方法

• 将观测过程 Y(t) 模型化为 X(t) 加观测噪声，其中 X(t) 为连续马尔可夫过程且 Σ(t)=σ(t)σ(t)ᵀ。
• 利用频率 Φ_j 从区块 I_{t,h} 构造局部谱统计量 S_j，并推导 S_j ∼ N(0, C_j)。
• 在 I_{t,h} 上将 Σ 的区块估计量记为 ^{t,h} = ^{t,h} - B_w ε_{n,h}^2 I_d，其中 ^{t,h} = ∑_j w_j S_j^{}（此处保持原文符号）。
• 选择混合权重 w_j，使 w_j 具有 w_j ￡ee{c_w} M^{-1}(1+j^2/M^2)^{-2}，在偏差与方差之间取得平衡。
• 证明 ^{t,h} 的中心极限定理并给出偏差界；将 λ_{r+1}(^{t,h}) 与 γGOE(d-r) 联系以用于临界值。
• 给出非渐近和基于 GOE 的渐近临界值用于 λ_{r+1}(^{t,h})，以检验 H0: rank(Σ(t)) ≤ r 在 I_{t,h} 上。

实验结果

研究问题

• RQ1 是否能够在观测噪声下检测到时变点对协方差的秩高于允许值？
• RQ2 在 Hölder 正则性和谱间隙假设下，λ_{r+1}(Σ(t)) 的局部最优检测速率是多少？
• RQ3 如何在非参数、时变设置中为秩检验构造有限样本和渐近临界值？
• RQ4 区块长度和频率混合如何影响局部秩检验的功效以及偏差-方差权衡？

主要发现

• 在 Hölder 正规性和谱间隙下，基于 λ_{r+1}(^{t,h}) 的局部检验实现了均匀水平 α 的控制。
• 非渐近临界值包含来自时间变化的偏差以及来自噪声的方差样项；基于 GOE 的渐近临界值提供了替代选项。
• 最优的局部检测速率为 v_n = O((b_r^{-1/(eta+1)} n^{-eta/(eta+1)}) ∧ n^{-eta/(eta+2)})，其中 β 为 Hölder 指数，b_r 为谱间隙；当 β=1/2 时，存在间隙时得到 n^{-1/3}，无间隙时得到 n^{-1/5}。
• 覆盖所有子区间的全局检验保留近似最优检测速率，且带有对数损失；一个极小极大下界证实了局部速率的最优性。
• 仿真与实证数据（德国政府债券）展示了有限样本性能以及积分协方差矩阵与点对协方差矩阵之间的秩结构差异。