[论文解读] Path prediction of aggregated alpha-stable moving averages using semi-norm representations

Sébastien Fries|arXiv (Cornell University)|Sep 10, 2018

Probabilistic and Robust Engineering Design参考文献 25被引用 3

一句话总结

本文通过在单位柱面上引入基于半范数的表示方法，提出了一种针对聚合α-稳定移动平均过程的路径预测方法，实现了在给定大历史观测值条件下对路径条件分布的显式推导。关键贡献在于提出了一种新颖的谱表示，将重尾行为与模式识别相联系，在过程具备充分前瞻性时有效，并可扩展至稳定过程的线性组合，在极端状态中展现出可解释的预测动态。

ABSTRACT

For (Xt) a two-sided α-stable moving average, this paper studies the conditional distribution of future paths given a piece of observed trajectory when the process is far from its central values. Under this framework, vectors of the form X t=(Xt−m,…,Xt,Xt+1,…,Xt+h), m≥0, h≥1, are multivariate alpha-stable and the dependence between the past and future components is encoded in their spectral measures. A new representation of stable random vectors on unit cylinders -sets {s∈Rm+h+1:∥ s ∥=1} for ∥⋅∥ an adequate semi-norm- is proposed in order to describe the tail behaviour of vectors Xt when only the first m+1 components are assumed to be observed and large in norm. Not all stable vectors admit such a representation and (Xt) will have to be "anticipative enough" for X t to admit one. The conditional distribution of future paths can then be explicitly derived using the regularly varying tails property of stable vectors and has a natural interpretation in terms of pattern identification. The approach extends to processes resulting from the linear combination of stable moving averages and applied to several examples.

研究动机与目标

• 为解决当过程远离其中心值时，对前瞻性α-稳定过程缺乏可处理的条件路径预测问题。
• 提出一种基于仅保留过去信息的半范数的多元α-稳定向量的新表示方法，克服基于欧氏范数方法的局限性。
• 刻画此类半范数表示存在的条件，尤其要求过程具备充分前瞻性。
• 推导给定大历史轨迹时未来路径的渐近条件分布，实现在极端状态下的预测推断。
• 将该框架扩展至稳定移动平均的线性组合（稳定聚合），展示其在建模多样化极端路径模式中的灵活性。

提出的方法

• 提出在单位柱面 {s ∈ ℝ^{m+h+1} : ||s|| = 1} 上对α-稳定随机向量的新表示，其中||·||为满足 ||(x_{-m},...,x_0, x_1,...,x_h)|| = ||(x_{-m},...,x_0, 0,...,0)|| 的半范数，以保留仅基于过去的信息。
• 在单位柱面上引入谱测度 Γ||·||，用于刻画在半范数下大稳定向量的极限形状，替代标准的欧氏范数谱测度。
• 证明给定过去和大范数时，未来路径的条件分布收敛于柱面上谱测度的比值，类似于 (1.1) 但适配于半范数框架。
• 利用稳定向量的正则变尾性质推导极限条件分布，实现在极端条件下的显式路径预测。
• 应用变换技术（如 TB、T||·||、h1）将新谱测度与原始谱测度关联，尤其通过矩阵 B 及其逆矩阵实现集合的变换。
• 通过独立α-稳定移动平均的线性组合将方法推广至稳定聚合，表明此类过程在极端事件中可呈现灵活多样的路径模式。

实验结果

研究问题

• RQ1 在α-稳定移动平均过程中，当过程远离其中心时，其未来路径的条件分布在何种条件下可被显式推导？
• RQ2 基于半范数的单位柱面表示能否替代欧氏范数，用于刻画大稳定向量的极限形状，尤其是在仅基于过去观测值的条件下？
• RQ3 其底层α-稳定过程必须具备何种结构性质（如前瞻性）才能支持此类半范数表示？
• RQ4 基于柱面上谱测度的路径预测机制与 Basrak 和 Segers 的谱过程等现有方法相比有何异同？
• RQ5 该框架在多大程度上可推广至稳定移动平均的线性组合（稳定聚合）？其极端路径模式与非聚合过程有何差异？

主要发现

• 给定大历史轨迹时，未来路径的条件分布收敛于半范数单位柱面上谱测度的比值，提供了显式的预测规律。
• 仅当过程具备充分前瞻性时，半范数表示才存在；否则，此类表示无法成立。
• 对于四维向量，谱测度 Γ||·||_4 被分解为三部分：原点处的狄拉克质量，以及分别位于 C||·||_4,1 和 C||·||_4,2 上的两部分。
• 当过去轨迹较大且未来路径被条件预测时，极限概率质量由观测到的过去模式与柱面上谱测度支撑集的重叠程度决定。
• 在 ρ1 和 ρ2 的例子中，B(V0) 上谱测度的总质量被证明为 Γ2(V0) + (σα_1 / 2) * |ρ1|^α / (1 - |ρ1|^α)，反映了过去与尾部结构的双重贡献。
• 该方法成功推广至稳定聚合，其中不同事件中可出现多样的极端路径模式，而与非聚合过程重复相同模式形成对比。