[论文解读] Regularly varying time series in Banach spaces

Thomas Meinguet, Johan Segers|arXiv (Cornell University)|Jan 19, 2010

Point processes and geometric inequalities参考文献 26被引用 21

一句话总结

本文建立了可分巴拿赫空间中稳定变化时间序列的理论，表明联合稳定变化等价于在给定大范数条件下，对时间序列进行缩放后其弱收敛性。关键贡献在于引入了尾部过程和谱过程，用于刻画时域与域之间的极值相依结构，并在重尾假设下，将这些概念应用于函数数据分析中的极值图、尾部相依性和极值指数。

ABSTRACT

When a spatial process is recorded over time and the observation at a given time instant is viewed as a point in a function space, the result is a time series taking values in a Banach space. To study the spatio-temporal extremal dynamics of such a time series, the latter is assumed to be jointly regularly varying. This assumption is shown to be equivalent to convergence in distribution of the rescaled time series conditionally on the event that at a given moment in time it is far away from the origin. The limit is called the tail process or the spectral process depending on the way of rescaling. These processes provide convenient starting points to study, for instance, joint survival functions, tail dependence coefficients, extremograms, extremal indices, and point processes of extremes. The theory applies to linear processes composed of infinite sums of linearly transformed independent random elements whose common distribution is regularly varying.

研究动机与目标

• 为观测值属于巴拿赫空间的函数型时间序列发展一致的极值相依性理论。
• 通过用稳定变化替代二阶矩假设，解决经典函数数据分析在重尾（无限方差）创新下的局限性。
• 利用无限维空间中的尾部过程与谱过程，刻画极值动态特性，如尾部相依性、极值图和极值指数。
• 建立巴拿赫空间中线性过程稳定变化的条件，特别是当创新项为独立同分布且稳定变化时。
• 通过谱过程将有限维极值相依性概念（如极值指数、极值图）统一并推广至函数型时间序列。

提出的方法

• 通过当 $ u \to \infty $ 时，$ (X_t/u)_{t\in\mathbb{Z}} $ 在 $ \|X_0\| > u $ 条件下的弱收敛性，定义可分巴拿赫空间 $\mathbb{B}$ 中平稳时间序列 $(X_t)_{t\in\mathbb{Z}}$ 的联合稳定变化。
• 将尾部过程 $ (Y_t)_{t\in\mathbb{Z}} $ 定义为重缩放过程的弱极限，其分解为径向分量（由尾指数 $\alpha$ 决定）与角向分量（即谱过程）。
• 将谱过程 $ (\Theta_t)_{t\in\mathbb{Z}} $ 定义为 $ (X_t / \|X_0\|)_{t\in\mathbb{Z}} $ 在 $ \|X_0\| > u $ 条件下的弱极限，用于捕捉极值相依结构。
• 证明尾部过程与谱过程的分布完全由其在 $ t \geq 0 $ 上的限制决定，从而可基于前向动态进行推断。
• 建立稳定变化在有界线性算子下的不变性，从而可分析形式为 $ X_t = \sum_{i\in\mathbb{Z}} T_i Z_{t-i} $ 的线性过程，其中 $ Z_t $ 为独立同分布且稳定变化的创新项。
• 推导出确保线性过程几乎必然收敛及稳定变化的条件，利用算子范数 $ \|T_i\| $ 的可和性条件及 Potter 定理。

实验结果

研究问题

• RQ1 当二阶矩不存在时，如何刻画函数型时间序列中的极值相依性？
• RQ2 巴拿赫空间取值的时间序列的联合稳定变化与在时间零点范数较大的条件下其重缩放版本的弱收敛性之间有何联系？
• RQ3 尾部过程与谱过程如何在无限维空间中刻画时域与域之间的极值相依性？
• RQ4 当其创新项为独立同分布且稳定变化时，巴拿赫空间中的线性过程在何种条件下是稳定变化的？
• RQ5 在何种程度上，经典极值相依性工具（如极值图、极值指数）可通过谱过程推广至函数型时间序列？

主要发现

• 在可分巴拿赫空间中，平稳时间序列的联合稳定变化等价于当 $ u \to \infty $ 时，$ (X_t/u)_{t\in\mathbb{Z}} $ 在 $ \|X_0\| > u $ 条件下的弱收敛性，其极限即为尾部过程。
• 谱过程 $ (\Theta_t)_{t\in\mathbb{Z}} $ 定义为 $ (X_t / \|X_0\|)_{t\in\mathbb{Z}} $ 在 $ \|X_0\| > u $ 条件下的弱极限，能完全刻画时域与域之间的极值相依性。
• 尾部过程可分解为径向分量（由 $ \|X_0\| $ 的尾指数 $\alpha$ 决定）与角向分量（即谱过程），从而实现尺度与相依结构的分离。
• 对于线性过程 $ X_t = \sum_{i\in\mathbb{Z}} T_i Z_{t-i} $，若创新项 $ Z_t $ 为独立同分布且稳定变化，且算子范数满足 $ \sum_{i\in\mathbb{Z}} \|T_i\|^\alpha < \infty $，则该过程为稳定变化。
• 此类线性过程的谱过程反映出一个启发式观点：极值行为由单个大冲击驱动，谱过程的质量集中在最大冲击的索引上。
• 尾部概率 $ \operatorname{P}(\|\sum_i X_i\| > x) $ 的渐近行为与 $ \sum_i \operatorname{P}(\|X_i\| > x) $ 渐近等价，其收敛速度由慢变函数 $ V(x) $ 和指数 $ \alpha $ 控制。