Skip to main content
QUICK REVIEW

[论文解读] Conditional central limit theorem via martingale approximation

Magda Peligrad|arXiv (Cornell University)|Dec 30, 2010
Stochastic processes and financial applications参考文献 19被引用 8
一句话总结

本文为平稳过程建立了一个鞅逼近框架,用于推导条件中心极限定理(CLT)及其泛函形式,采用 L1 和 L2 误差界。它提供了逼近成立的必要和充分条件——特别是涉及部分和的条件期望——从而实现了对混合序列、马尔可夫链和线性过程的统一处理。

ABSTRACT

In this paper we survey and further study partial sums of a stationary process via approximation with a martingale with stationary differences. Such an approximation is useful for transferring from the martingale to the original process the conditional central limit theorem. We study both approximations in L_2 and in L_1. The results complement the work of Dedecker Merlevede and Volny (2007), Zhao and Woodroofe (2008), Gordin and Peligrad (2009). The method provides an unitary treatment of many limiting results for dependent random variables including classes of mixing sequences, additive functionals of Markov chains and linear processes.

研究动机与目标

  • 将条件中心极限定理(CLT)扩展至使用鞅逼近的依赖平稳过程。
  • 通过统一的逼近框架,统一处理不同类型的依赖过程——混合序列、马尔可夫链、线性过程。
  • 为鞅逼近建立精确的 L1 和 L2 误差界,确保 CLT 结果的可转移性。
  • 识别出逼近成立的条件期望的必要和充分条件,特别是在弱依赖背景下。
  • 提供一种系统化的方法,用于验证各类随机过程中的鞅逼近条件。

提出的方法

  • 使用鞅逼近:将部分和分解为 $ S_n = M_n + R_n $,其中 $ M_n $ 是具有平稳增量的鞅,$ R_n $ 是余项。
  • 采用 $ \mathbb{L}_1 $ 和 $ \mathbb{L}_2 $ 范数来度量误差 $ R_n $,确保条件 CLT 的分布收敛。
  • 应用条件 $ \lim_{n\to\infty} \|\mathbb{E}_0(S_n)\|_2 / \sqrt{n} = 0 $ 和 $ \frac{1}{n}\sum_{l=1}^n \|\mathbb{E}_0(S_l) - \mathbb{E}_{-1}(S_l) - D_0\|_2^2 \to 0 $ 以实现 $ \mathbb{L}_2 $ 逼近。
  • 使用投影准则,如 $ \sum_{i=1}^\infty \|\mathbb{E}_{-i}(X_0) - \mathbb{E}_{-i-1}(X_0)\|_2 < \infty $,以验证逼近的有效性。
  • 将结果应用于特定类别:通过 $ \rho(n) $-混合性处理混合序列,处理可逆马尔可夫链,以及处理具有 $ \sum b_j \to c $ 和 $ \frac{1}{n}\mathbb{E}(S_n^2) \to c^2 $ 的线性过程。

实验结果

研究问题

  • RQ1在何种条件下,对于平稳过程,鞅逼近 $ S_n = M_n + R_n $ 满足 $ \mathbb{E}(R_n^2/n) \to 0 $?
  • RQ2如何通过此逼近将条件 CLT 从鞅推广至一般平稳过程?
  • RQ3条件期望 $ \mathbb{E}_0(S_n) $ 的必要和充分条件是什么,以保证 $ \mathbb{L}_2 $-逼近成立?
  • RQ4该鞅逼近框架能否在混合序列、马尔可夫链和线性过程中统一应用?
  • RQ5投影准则和混合系数(如 $ \rho(n) $)在确保逼近有效性方面起什么作用?

主要发现

  • 若且仅若 $ \lim_{n\to\infty} \|\mathbb{E}_0(S_n)\|_2 / \sqrt{n} = 0 $ 且 $ \frac{1}{n}\sum_{l=1}^n \|\mathbb{E}_0(S_l) - \mathbb{E}_{-1}(S_l) - D_0\|_2^2 \to 0 $ 对某个 $ D_0 \in \mathbb{L}_2 $ 成立,则条件 CLT 对平稳过程成立。
  • 对于 $ \rho $-混合序列,若 $ \sum_{k=1}^\infty \rho(2^k) < \infty $,则鞅逼近在 $ \mathbb{L}_2 $ 中成立。
  • Maxwell-Woodroofe 条件 $ \sum_{k=1}^\infty \frac{\|\mathbb{E}_0(S_k)\|_2}{k^{3/2}} < \infty $ 确保了 $ \mathbb{L}_2 $ 中的鞅逼近。
  • 对于具有噪声项的线性过程,若 $ \sum_{j\geq 0} b_j \to c $ 且 $ \frac{1}{n}\mathbb{E}(S_n^2) \to c^2 $,则逼近成立。
  • 对于满足 $ \mathrm{Var}(S_n)/n \to \sigma_f^2 < \infty $ 的可逆马尔可夫链,$ \mathbb{L}_2 $ 中的鞅表示成立。
  • 投影准则如 $ \sum_{i=1}^\infty \|\mathbb{E}_{-i}(X_0) - \mathbb{E}_{-i-1}(X_0)\|_2 < \infty $ 为 $ \mathbb{L}_2 $ 中的逼近提供了充分条件。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。