Bootstrap based test for the unimodality of estimated Hurst exponents. Performance assessment in a high-dimensional analysis setting - Mines Saint-Étienne
Conference Papers Year : 2023

Bootstrap based test for the unimodality of estimated Hurst exponents. Performance assessment in a high-dimensional analysis setting

Patrice Abry
Gustavo Didier
  • Function : Author
  • PersonId : 1113836
Oliver Orejola
  • Function : Author
  • PersonId : 1151433

Abstract

In modern real-world applications, large systems are in general monitored by a large number of sensors, hence entailing the joint analysis of numerous time series, often showing scale-free temporal dynamics. The present work aims to construct and assess a bootstrap based procedure permitting to test, from a single finite size observation, the unimodality of the corresponding distibution of estimated Hurst exponents. Performance analysis is conducted in high-dimensional asymptotic settings, where the number of components and sample size increase jointly.
Dans les applications du monde moderne, les systèmes de grande taille sont en général monitorés par de nombreux capteurs, impliquant l'analyse d'un grand nombre de signaux, souvent caractérisés par des dynamiques temporelles invariantes d'échelle. Ce travail vise à construire et valider une procédure bootstrap permettant, à partir d'une seule observation de taille finie, de tester l'unimodalité de la distribution associée des exposants de Hurst estimés. L'analyse de ces performances est conduite dans un cadre d'asymptotique de grandes dimensions (nombre de composantes et taille d'échantillons croissent conjointement).
Fichier principal
Vignette du fichier
OFBM_gretsi_highDim_v4.pdf (521.21 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

emse-04216646 , version 1 (25-09-2023)

Identifiers

  • HAL Id : emse-04216646 , version 1

Cite

Charles-Gérard Lucas, Patrice Abry, Herwig Wendt, Gustavo Didier, Oliver Orejola. Bootstrap based test for the unimodality of estimated Hurst exponents. Performance assessment in a high-dimensional analysis setting. XXIXème Colloque Francophone de Traitement du Signal et des Images (GRETSI 2023), Aug 2023, Grenoble, France. à paraître. ⟨emse-04216646⟩
105 View
33 Download

Share

More