Pré-Publication, Document De Travail Année : 2025

Bounds in Wasserstein Distance for Locally Stationary Functional Time Series

Résumé

Functional time series (FTS) extend traditional methodologies to accommodate data observed as functions/curves. A significant challenge in FTS consists of accurately capturing the time-dependence structure, especially with the presence of time-varying covariates. When analyzing time series with time-varying statistical properties, locally stationary time series (LSTS) provide a robust framework that allows smooth changes in mean and variance over time. This work investigates Nadaraya-Watson (NW) estimation procedure for the conditional distribution of locally stationary functional time series (LSFTS), where the covariates reside in a semi-metric space endowed with a semi-metric. Under small ball probability and mixing condition, we establish convergence rates of NW estimator for LSFTS with respect to Wasserstein distance. The finite-sample performances of the model and the estimation method are illustrated through extensive numerical experiments both on functional simulated and real data.

Fichier principal
Vignette du fichier
wasslsfts.pdf (2.39 Mo) Télécharger le fichier
EW1_FAR_1_timekernel-uniform_spacekernel-silverman_rep-500_iter-50.pdf (17.47 Ko) Télécharger le fichier
EW1_FAR_2_timekernel-tricube_spacekernel-gaussian_rep-500_iter-50.pdf (17.48 Ko) Télécharger le fichier
EW1_tvFAR_1_timekernel-uniform_spacekernel-gaussian_rep-500_iter-50.pdf (17.47 Ko) Télécharger le fichier
EW1_tvFAR_1_timekernel-uniform_spacekernel-silverman_rep-500_iter-50.pdf (17.47 Ko) Télécharger le fichier
EW1_tvFAR_2_timekernel-tricube_spacekernel-gaussian_rep-200_iter-20.pdf (17.47 Ko) Télécharger le fichier
EW1_tvFAR_2_timekernel-tricube_spacekernel-gaussian_rep-500_iter-50.pdf (17.48 Ko) Télécharger le fichier
FAR_1_Y_T100.png (59.24 Ko) Télécharger le fichier
FAR_1_covariates_T100.png (347.25 Ko) Télécharger le fichier
FAR_1_covariates_T100_different_t.png (47.89 Ko) Télécharger le fichier
FAR_1_covariates_T100_different_tau.png (97.8 Ko) Télécharger le fichier
FAR_2_Y_T100.png (61.4 Ko) Télécharger le fichier
FAR_2_covariates_T100.png (373.03 Ko) Télécharger le fichier
FAR_2_covariates_T100_different_t.png (56.59 Ko) Télécharger le fichier
FAR_2_covariates_T100_different_tau.png (98.27 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1.png (48.87 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1_T18.png (35.79 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1_T239.png (52.6 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1_T478.png (51.66 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1_T54.png (43.92 Ko) Télécharger le fichier
Nikkei225_Wasserstein_1_T956.png (50.83 Ko) Télécharger le fichier
Nikkei225_Wasserstein_2.png (40.51 Ko) Télécharger le fichier
Nikkei225_Wasserstein_3.png (40.56 Ko) Télécharger le fichier
Nikkei225_covariate.png (285.4 Ko) Télécharger le fichier
Nikkei225_covariate_50_samples.png (220.77 Ko) Télécharger le fichier
Nikkei225_original.png (38.04 Ko) Télécharger le fichier
Nikkei225_response.png (56.65 Ko) Télécharger le fichier
Nikkei225_response_with_noise.png (45.56 Ko) Télécharger le fichier
SST_Wasserstein_1.png (58.45 Ko) Télécharger le fichier
SST_Wasserstein_1_T150.png (56.05 Ko) Télécharger le fichier
SST_Wasserstein_1_T25.png (42.38 Ko) Télécharger le fichier
SST_Wasserstein_1_T75.png (52.33 Ko) Télécharger le fichier
SST_Wasserstein_2.png (46.59 Ko) Télécharger le fichier
SST_Wasserstein_3.png (56.2 Ko) Télécharger le fichier
SST_covariate.png (186.71 Ko) Télécharger le fichier
SST_original.png (78.68 Ko) Télécharger le fichier
SST_response.png (97.12 Ko) Télécharger le fichier
SST_response_with_noise.png (64.87 Ko) Télécharger le fichier
stat_FAR_1_Y_T100.png (56.22 Ko) Télécharger le fichier
stat_FAR_1_covariates_T100.png (374.78 Ko) Télécharger le fichier
stat_FAR_1_covariates_T100_different_t.png (55.14 Ko) Télécharger le fichier
stat_FAR_1_covariates_T100_different_tau.png (98.93 Ko) Télécharger le fichier
stat_FAR_2_Y_T100.png (56.35 Ko) Télécharger le fichier
stat_FAR_2_covariates_T100.png (360.74 Ko) Télécharger le fichier
stat_FAR_2_covariates_T100_different_t.png (54.49 Ko) Télécharger le fichier
stat_FAR_2_covariates_T100_different_tau.png (87.42 Ko) Télécharger le fichier

Dates et versions

hal-05026101 , version 1 (09-04-2025)

Licence

Identifiants

  • HAL Id : hal-05026101 , version 1

Citer

Jan Nino G. Tinio, Mokhtar Z. Alaya, Salim Bouzebda. Bounds in Wasserstein Distance for Locally Stationary Functional Time Series. 2025. ⟨hal-05026101⟩
58 Consultations
192 Téléchargements

Partager

  • More