[论文解读] Strongly consistent autoregressive predictors in abstract Banach spaces

M. D. Ruiz‐Medina, J. Álvarez-Liébana|arXiv (Cornell University)|Aug 5, 2018

Statistical Methods and Inference被引用 6

一句话总结

该论文通过利用Kuelbs引理由构造Gelfand三元组，并将再生核希尔伯特空间（RKHS）嵌入到一个带骨架的希尔伯特空间结构中，首次在抽象可分巴拿赫空间中建立了自回归预测器的强一致性。证明了自相关算子的分量估计量在算子范数下是强一致的，从而确保了巴拿赫空间范数下插值预测器的强一致性。

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.

研究动机与目标

• 将AR(1)过程的强一致性结果从希尔伯特空间推广到一般的可分巴拿赫空间。
• 解决在传统希尔伯特空间方法不足以应对的巴拿赫空间中函数型预测的挑战。
• 建立一个严谨的框架，利用连续嵌入与RKHS理论实现一致估计与预测。
• 将Bosq（2000）和Labbas & Mourid（2011）的先前结果推广到任意可分巴拿赫空间，并提供更强的一致性保证。
• 为核空间及其他具有有利嵌入性质的巴拿赫空间中的函数时间序列预测提供理论基础。

提出的方法

• 利用Kuelbs引理由构造Gelfand三元组，将可分巴拿赫空间 $ B $ 嵌入到希尔伯特空间 $ \widetilde{H} $ 中，从而能够使用希尔伯特空间工具。
• 定义由自协方差算子生成的RKHS到希尔伯特空间 $ \widetilde{H} $ 的希尔伯特-施密特嵌入，确保RKHS在 $ \widetilde{H} $ 中稠密且连续嵌入。
• 使用离散小波变换在 $ \widetilde{H} $ 中定义标准正交基 $ \{F_{\mathbf{m}}\} $ 和权序列 $ \{t_{\mathbf{m}}\} $，将巴拿赫空间范数与RKHS范数联系起来。
• 通过贝塞尔势空间建立范数等价性：$ B = B_{\infty,\infty}^0[0,1] \hookrightarrow \widetilde{H} = H_2^{-\beta}[0,1] $，其中 $ \beta > 1/2 $，确保连续嵌入。
• 在 $ L^2[0,1] $ 上定义算子 $ C = (I - \Delta)^{-\gamma} $，其中 $ \gamma > 2\beta > 1 $，以满足RKHS范数等价性的谱条件。
• 证明自相关算子 $ \rho \in \mathcal{L}(B) $ 的分量估计量在算子范数 $ \|\cdot\|_{\mathcal{L}(B)} $ 下是强一致的，从而确保了在巴拿赫空间范数下插值预测器的强一致性。

实验结果

研究问题

• RQ1 能否在一般可分巴拿赫空间（而不仅是 $ \mathcal{C}[0,1] $ 或 $ \mathcal{D}[0,1] $）中建立自回归预测器的强一致性？
• RQ2 如何将由自协方差算子诱导的RKHS结构嵌入到希尔伯特空间中，以实现在巴拿赫空间中的一致估计？
• RQ3 巴拿赫空间及其向希尔伯特空间的嵌入需满足何种条件，才能确保插值预测器的强一致性？
• RQ4 能否利用带骨架的希尔伯特空间与贝塞尔势空间的框架，统一并扩展函数时间序列预测中的现有结果？
• RQ5 小波基与离散变换在刻画巴拿赫空间及其对偶空间的范数结构中起到何种作用？

主要发现

• 自相关算子 $ \rho $ 的分量估计量在算子范数 $ \|\cdot\|_{\mathcal{L}(B)} $ 下是强一致的，确保了在有界线性算子巴拿赫空间中的收敛性。
• 基于经验自相关算子的插值预测器在 $ B $-范数下是强一致的，将经典结果从希尔伯特空间推广到了巴拿赫空间设置。
• 通过Kuelbs引理由构造Gelfand三元组，使得巴拿赫空间 $ B $ 能够嵌入到希尔伯特空间 $ \widetilde{H} $ 中，从而启用RKHS理论的应用。
• 由自协方差算子生成的RKHS被嵌入为 $ \widetilde{H} $ 中的希尔伯特-施密特子空间，确保了实现一致性的必要紧致性与光滑性。
• 当 $ \beta > 1/2 $ 时，空间 $ \widetilde{H} = H_2^{-\beta}[0,1] $ 定义良好，并包含 $ B = B_{\infty,\infty}^0[0,1] $，且满足 $ B^* = B_{1,1}^0[0,1] \hookrightarrow \widetilde{H}^* = H^\beta[0,1] $，符合所需的嵌入条件。
• 谱条件 $ \gamma > 2\beta > 1 $ 确保算子 $ C = (I - \Delta)^{-\gamma} $ 满足 $ \|f\|_{\mathcal{H}(X)}^2 \geq \|f\|_{\widetilde{H}^*}^2 $，从而验证了一致性证明中的假设A4。