[论文解读] Extremes of the 2d scale-inhomogeneous discrete Gaussian free field: Sub-leading order and exponential tails

Maximilian Fels|arXiv (Cornell University)|Oct 22, 2019

Financial Risk and Volatility Modeling参考文献 46被引用 4

一句话总结

本文建立了二维尺度非齐次离散高斯自由场（DGFF）最大值的尾部估计，从而推导出最大值一阶行为的次主导对数校正，并证明了中心化最大值的紧致性。通过二阶矩方法与高斯比较技术，本文解决了具有空间变化方差分布的非平稳对数相关场中极值的渐近行为。

ABSTRACT

This is the first of a three paper series in which we present a comprehensive study of the extreme value theory of the scale-inhomogeneous discrete Gaussian free field. This model was introduced by Arguin and Ouimet who computed the first order of the maximum. In this first paper we establish tail estimates for the maximum value, which allow to deduce the log-correction to the order of the maximum and tightness of the centred maximum. Our proofs are based on the second moment method and Gaussian comparison techniques.

研究动机与目标

• 分析二维尺度非齐次离散高斯自由场（DGFF）的极值行为，该场为具有空间变化方差分布的非平稳对数相关场。
• 确定场最大值一阶渐近行为的次主导阶校正项。
• 建立中心化最大值的紧致性，这对极值理论中的收敛结果至关重要。
• 将Arguin与Ouimet（2019）先前针对同一模型获得的一阶结果拓展至更深入的极值统计行为。
• 为本系列后续论文奠定分析基础，这些论文将证明在弱相关性区域中极值过程与中心化最大值的收敛性。

提出的方法

• 分析依赖于二阶矩方法，以控制最大值的尾部行为，特别关注最大值超过高阈值的概率。
• 采用高斯比较技术，将非齐次DGFF的尾部行为与参考高斯场进行比较，从而实现精确估计。
• 通过尺度参数λ上的随机积分构造场，其中方差分布σ(s)为右连续的阶跃函数，包含M个不同取值，以实现空间非齐次性。
• 通过将空间划分为不同尺度的方块进行二元分解，重叠方块的数量决定了点之间的有效相关性。
• 关键估计通过Gibbs-Markov性质与场的分支结构获得，该结构允许在某一尺度以上将场分解为独立增量。
• 证明利用了两点间协方差在渐近意义上等价于其距离的函数，具体涉及方差分布σ²(s)在尺度参数s上的积分。

实验结果

研究问题

• RQ1 二维尺度非齐次DGFF最大值的精确次主导阶校正项是什么？
• RQ2 最大值的指数尾部行为如何？它们对中心化最大值的紧致性有何含义？
• RQ3 非齐次方差分布相较于齐次DGFF如何影响极值统计行为？
• RQ4 二阶矩方法与高斯比较技术能否被适配以处理具有不连续方差分布的非平稳对数相关场？
• RQ5 尺度参数λ在场的分解中起什么作用？它如何影响极值行为？

主要发现

• 本文推导出二维尺度非齐次DGFF最大值的精确尾部估计，表明最大值超过高阈值的概率以由方差分布决定的速率呈指数衰减。
• 这些尾部估计使得能够推导出最大值渐近展开中次主导对数校正项，其阶为log log N，与对数相关场一致。
• 证明了中心化最大值的紧致性，即在减去一阶项后，当N → ∞时，其波动在概率上保持有界。
• 场中两点间协方差在渐近意义上等价于n倍的方差分布σ²(s)在尺度参数s上的积分，其中s = (n - ⌈log₊(d∞(v,w))⌉)/n。
• 证明表明，两个相距较远点的场四阶矩渐近行为为log(2)倍的n倍σ²(s)在s上的积分，误差项一致有界。
• 分析确认，在分支尺度以上，场的增量近似独立，从而可受控地应用二阶矩方法。