Bias-Corrected Adaptive Conformal Inference for Multi-Horizon Time Series Forecasting

1. Problema Identificado

El Inferencia Conformal Adaptativa (ACI) es un método estándar para generar intervalos de predicción libres de distribución en series temporales, incluso bajo cambios de distribución (distribution shift). ACI ajusta dinámicamente el umbral de cuantil ($\alpha_t$) para mantener una tasa de cobertura asintótica deseada.

Sin embargo, el artículo identifica una limitación estructural crítica en ACI y sus variantes existentes:

• Incapacidad para corregir el centro del intervalo: ACI solo adapta el umbral de cuantil, pero siempre construye el intervalo centrado en la predicción puntual ($\hat{y}_t$).
• Sesgo persistente: Cuando un modelo de pronóstico desplegado (que no se reentrena) enfrenta un cambio de distribución (ej. un desplazamiento de nivel o level shift), desarrolla un sesgo de predicción persistente ($b \neq 0$).
• Ineficiencia de ancho: Para mantener la cobertura ante un sesgo, ACI se ve forzado a ensanchar los intervalos simétricamente. El ancho del intervalo aumenta en una cantidad proporcional a $2|b|$, lo que resulta en intervalos innecesariamente amplios y poco informativos.
• Ejemplo motivador: Si un modelo tiene un sesgo de 3.99, ACI debe ensanchar el intervalo para cubrir ese desplazamiento, mientras que un "oráculo" que conociera el sesgo podría simplemente desplazar el centro del intervalo, reduciendo el ancho en un 60%.

2. Metodología: BC-ACI

Los autores proponen BC-ACI (Bias-Corrected ACI), una extensión ligera que corrige el sesgo antes de calcular los puntajes de no conformidad.

Componentes Clave:

1. Estimación de Sesgo en Línea (EWM):

   • Para cada horizonte de predicción $h$, BC-ACI mantiene un promedio móvil exponencialmente ponderado (EWM) de los residuos con signo ($e_t = y_t - \hat{y}_t$).
   • La estimación del sesgo $\hat{b}_t$ se actualiza en cada paso: $\hat{b}_{t+1} = (1-\lambda)\hat{b}_t + \lambda e_t$.
   • Esto permite rastrear cambios lentos en el nivel de la serie.

2. Corrección de Puntajes de No Conformidad:

   • Antes de calcular el cuantil, los residuos en el buffer de calibración se corrigen restando la estimación del sesgo: $\tilde{e}_i = e_i - \hat{b}_t$.
   • El centro del intervalo de predicción se desplaza: $\tilde{y}_t = \hat{y}_t + \hat{b}_t$.
   • El intervalo final se construye como $[\tilde{y}_t - \tilde{q}, \tilde{y}_t + \tilde{q}]$, donde $\tilde{q}$ es el cuantil de los residuos corregidos.

3. Umbral de Zona Muerta Adaptativa (Dead-Zone):

   • Para evitar que el ruido de estimación degrade los intervalos cuando no hay sesgo real, se introduce un umbral basado en la Desviación Absoluta Mediana (MAD) de los residuos actuales.
   • La corrección solo se aplica si $|\hat{b}_t| > k \cdot \text{MAD}(B)$.
   • Esto filtra el ruido en datos estables o en modelos auto-corregibles (como ARIMA), asegurando que BC-ACI se comporte como ACI estándar cuando no es necesario.

4. Calibración por Horizonte:

   • El método utiliza una calibración independiente por horizonte ($h$), reconociendo que la magnitud del sesgo y la varianza pueden diferir significativamente entre horizontes cortos y largos.

3. Contribuciones Principales

1. Identificación Teórica: Demostraron que los métodos adaptativos basados solo en umbrales tienen una ineficiencia estructural de ancho $\Theta(|b|)$ bajo sesgo persistente (Teorema 2).
2. Algoritmo Propuesto: Presentación de BC-ACI, que integra estimación de sesgo en línea y corrección de puntajes con un mecanismo de protección contra ruido (zona muerta).
3. Garantías Teóricas:
   • Cobertura: Se prueba que BC-ACI preserva la garantía de cobertura asintótica de ACI (Teorema 3).
   • Reducción de Ancho: Se cuantifica la reducción del ancho del intervalo bajo sesgo persistente (Teorema 4).
   • Recuperación Graceful: Se demuestra que, en ausencia de sesgo, el método recupera el comportamiento de ACI estándar con una sobrecarga mínima (< 0.2%) (Teorema 5).
4. Caracterización de Casos de Uso: Definición clara de cuándo ayuda la corrección (modelos con sesgo persistente tras cambios de nivel) y cuándo es neutral (modelos auto-corregibles o datos estables).

4. Resultados Experimentales

Los autores evaluaron el método en 688 ejecuciones (4 escenarios sintéticos, 2 familias de modelos base, 4 horizontes, 3 conjuntos de datos reales).

• Escenarios Sintéticos (Cambio de Nivel/Compuesto):
  • En escenarios con cambios de nivel (donde modelos como Regresión Ridge desarrollan sesgo), BC-ACI redujo la Puntuación Winkler (métrica que penaliza ancho y falta de cobertura) hasta en un 32% en comparación con ACI estándar.
  • En el escenario de "cambio compuesto" (nivel + volatilidad), la mejora fue del 16.7% (Ratio Winkler 0.833, $p < 0.001$).
• Datos Estables y Modelos Auto-Corregibles:
  • En datos sin cambios de distribución o con modelos como ARIMA (que eliminan el sesgo por diferenciación), BC-ACI mostró un rendimiento casi idéntico a ACI (Ratio Winkler $\approx 1.002$), confirmando que la zona muerta previene la degradación.
• Datos Reales:
  • En conjuntos de datos reales (Electricidad, ETTh1, Clima), no se observaron mejoras significativas (de hecho, ligeros aumentos no significativos en el ancho). Los autores explican esto honestamente: estos datos no presentaban cambios de nivel claros en la ventana de evaluación, por lo que la estimación de sesgo solo rastreaba ruido.
• Cobertura: Todos los métodos mantuvieron la cobertura objetivo (90%) en todos los escenarios.

5. Significado e Implicaciones

• Paradigma de Despliegue: El trabajo es altamente relevante para el entorno de MLOps actual, donde los modelos a menudo se entrenan una vez y se despliegan durante largos periodos sin reentrenamiento. En estos casos, los cambios de nivel son comunes y los modelos lineales o redes neuronales no se auto-corregieren.
• Eficiencia Operativa: BC-ACI ofrece una solución computacionalmente ligera (solo añade una actualización EWM y un cálculo de MAD) que mejora drásticamente la utilidad de los intervalos de predicción sin sacrificar la garantía de cobertura.
• Enfoque Condicional: El artículo establece un precedente importante: las mejoras en la inferencia conformal deben ser "condicionales". BC-ACI no intenta ser un reemplazo universal, sino una herramienta que mejora el rendimiento específicamente cuando existe un problema estructural (sesgo persistente) y permanece neutral cuando no lo hay.
• Limitaciones y Futuro: El método corrige el sesgo de ubicación, pero no la varianza. Los autores sugieren que la siguiente etapa crucial es validar el método en datos reales con cambios de distribución conocidos (ej. demanda durante la pandemia, cambios regulatorios financieros).

En resumen, BC-ACI representa un avance significativo al cerrar la brecha entre la teoría de la inferencia conformal y la realidad práctica de los modelos de pronóstico desplegados que sufren de sesgos persistentes, ofreciendo intervalos más estrechos y precisos sin comprometer la fiabilidad estadística.