Tail-Accuracy Degradation and Optimal Block Length for Block Self-Normalized Quantile Empirical Saddlepoint Inference under Dependence

技術要約：依存関係下におけるブロック自己正規化分位点経験的サドルポイント推論のための、テール精度劣化と最適ブロック長

問題の所在
分位点推論はリスク測定において基本的であるが、構造的な困難に直面している。すなわち、標本分位点の漸近分散は、分位点における密度の逆数（$1/f(q_\tau)$）に依存するが、これは小標本、重い裾（ヘビーテイル）、あるいは極端な分位点において安定した推定が困難である。既存の依存関係を考慮した頻度論的手法は、通常、高次精度か密度フリー（密度に依存しない性質）のいずれかを犠牲にしている。

• 一部の手法（例：Hoga–Schulz）は自己正規化を用いるが、拡大ウィンドウと条件付き密度の仮定に依存しており、一次精度の精度しか得られない。
• 他の手法（例：SNQESA）は、自己正規化と経験的サドルポイント近似を組み合わせることで、密度フリーかつ高次の精度（$O(n^{-3/2})$）を実現しているが、これは独立サンプリング下でのみ適用可能である。
• 依存関係、分位点推論、自己正規化、および密度フリーの高次精度の交差点は、未だ解決されていない。具体的には、ブロック自己正規化ピボットを依存データに適用した場合、テールの精度がどの程度劣化するか、また、最適なブロック長（$\ell$）を選択するための理論的根拠が存在しない。

手法
本論文では、強 $\alpha$-混合標本から構成されるブロック自己正規化分位点ピボット $T_n(t)$ を研究している。

1. ピボットの構成: ブロック長 $\ell$ およびブロック数 $m = \lfloor n/\ell \rfloor$ に対して、インジケーター・スコア $g_i(t) = \mathbb{1}\{X_i \le t\} - \tau$ はブロックごとに平均化される。ピボットは以下のように定義される：
   $$T_n(t) = \frac{\sum_{j=1}^m \bar{g}_j(t)}{\sqrt{\sum_{j=1}^m \bar{g}_j(t)^2}}$$
   この自己正規化は、明示的な長期分散推定量ではなく、ブロック内の二次形式を使用するため、真の分位点 $q_\tau$ において密度フリーとなる（定理1）。
2. 理論的枠組み: 解析は、$\alpha$-混合下でのピボットの累積モーメントのエドワース展開に基づいている。著者は、相対的なテール誤差 $\text{err}(\ell) = P(T_n \ge x)/(1-\Phi(x)) - 1$ を、サンプルサイズ（$n$）、ブロック長（$\ell$）、および依存構造（$\lambda$）によって駆動される明確な成分へと分解する。
3. 格子解析: ピボットは格子値をとるため、そのテール関数はステップ関数となる。本論文では、このステップ関数を連続関数で近似する際の精度について調査している。

主要な貢献と結果

1. テール精度の劣化の定量化（定理2）:
   本論文は、依存関係の下では、ブロック数が増加しても相対的なテール誤差が消失しないことを確立している。代わりに、誤差は**分散膨張フロア（variance-inflation floor）**として知られる正の極限へと収束する：$E_\infty(\ell) \sim c_\Phi / \ell$。

   • 誤差展開は次のように与えられる：$\text{err}(\ell) = -C_{\text{eff}}^1 n^{-1/2} + D(\ell) + O(n^{-1})$。
   • 第1項（$n^{-1/2}$）はバイアスと歪度から生じる。
   • 第2項 $D(\ell)$ は、依存関係によってブロック・ピボットの長期分散が膨張していることによるフロアを表しており、ガウス型ベンチマークは単位分散を想定している。
   • 決定的なことに、劣化のスケールは $m^{-1/2}$（ブロック数）ではなく $n^{-1/2}$ であり、平均ベースの解析からの潜在的な誤解を訂正している。

2. 最適ブロック長（定理3）:
   分散膨張フロア（$\ell$ が増加するにつれて減少する）と、バイアス／歪度の過渡的な項（極限において $\ell$ に依存しない）のバランスを取ることにより、以下の閉じた形式の式から導かれる最適ブロック長を導出する：
   $$\ell^* \propto \sqrt{n}$$

   • 比例定数は、ラグ1の相関 $\lambda$ と分位点レベル $\tau$ に依存する。
   • 制約: 内点解としての最適値が存在するのは、$\lambda > 0$ かつ $\tau < 1/2$ の場合のみである。もし $\lambda \le 0$ であればフロアは「天井（負の誤差）」となり、$\tau \ge 1/2$ であれば過渡的な項とフロアの符号が一致するため、打ち消し合いが発生しない。
   • この結果は、ブロック長をヒューリスティックなチューニングパラメータから、サンプルサイズと推定された依存関係に基づく計算可能な量へと変貌させる。

3. 一様精度の下限（定理4）:
   ピボットの格子構造により、連続的な近似によるテール確率の一様誤差は、少なくとも $\Theta(m^{-1}\ell^{-3/2})$ となる。本論文は、この下限が区分線形構成によって達成可能であることを証明している。しかし、最適ブロック長（$\ell \sim \sqrt{n}$）において、この格子誤差は $O(n^{-5/4})$ であり、連続的なエドワース展開の $O(n^{-1})$ の被覆誤差と比較して無視できる程度である。

4. シミュレーション性能:
   2状態マルコフ連鎖インジケーター過程（$\tau=0.3$）を用いた数値実験では、提案手法（ESA-an）が、依存関係（$\lambda$）とブロック長（$\ell$）の16通りの構成において、95% $\pm$ 0.15% の被覆率を達成した。

   • 対照的に、一次ガウス・ベースラインは依存関係に伴い著しく悪化し、$\lambda=0.8$ かつ小さなブロック長において、被覆率は 60.1% まで低下した。
   • 本手法は計算効率が高く（1レプリケーションあたり0.0037 ms）、再サンプリングを必要としないため、移動ブロック・ブートストラップと同等であり、ブロック経験的尤度よりも約170倍高速である。

意義と主張
本論文は、密度フリーの高次精度（独立データに対するSNQESAが提供するもの）と、依存関係への対処（ブロックフレームワークが提供するもの）の「接点」を占めていると主張している。主な貢献は以下の通りである：

• 依存関係と精度の分離: 依存関係は、ブロック数を増やすだけでは排除できない分散膨張フロアを導入することを実証した。これは、ブロック長を最適化することによってのみ軽減できる。
• 閉じた形式の最適化: 依存関係下の自己正規化分位点推論における初の解析的な最適ブロック長の導出を提供し、$\ell^* \propto \sqrt{n}$ というスケーリング則が依存関係の強さの指数とは独立していることを示した。
• 実用的な有用性: 最適ブロック長付近において、二次の被覆（$O(n^{-1})$）を持つ密度フリーの手順を提供し、標準的な分位点推論を悩ませるバンド幅選択や密度推定への感度という問題に対処している。

著者は制限事項についても述べている。結果は $\lambda > 0$ および $\tau < 1/2$ を前提としており、完全な厳密性のためには多項式混合よりも強い指数的偏差不等式を必要とし、不連続な密度における分位点はまだカバーしていない。分位点回帰への拡張は、自然な系として示唆されているが、本研究の主要な焦点ではない。