Transcripts and Algebraic Distances in Time Series: Stochastic Properties and Nonparametric Dependence Tests

Resumen Técnico: Transcripciones y Distancias Algebraicas en Series Temporales

Planteamiento del Problema
El artículo aborda la detección de dependencia serial en series temporales univariadas de distribución continua. Si bien el uso de Patrones Ordinales (PO)—representaciones simbólicas basadas en el orden de rango de los valores en una ventana deslizante—se ha convertido en una herramienta estándar para analizar estructuras de dependencia, los métodos existentes dependen principalmente de las frecuencias marginales de estos patrones. Los autores argumentan que la estructura algebraica de los PO (vista como elementos de un grupo simétrico) no ha sido explotada plenamente para pruebas de dependencia. Específicamente, la "diferencia" o relación entre PO sucesivos, que captura la dinámica de cómo evoluciona el orden de rango a lo largo del tiempo, permanece subutilizada en los marcos de prueba no paramétricos.

Metodología
El enfoque propuesto transforma la serie temporal original en una secuencia de transcripciones y distancias algebraicas.

1. Marco Conceptual:

   • Patrones Ordinales (PO): Una serie temporal se discretiza en una secuencia de permutaciones $\pi_t \in S_m$ (el grupo simétrico de grado $m$) basándose en el orden relativo de $m$ observaciones consecutivas.
   • Transcripciones: Definidas como la "diferencia" de teoría de grupos entre PO sucesivos: $\tau_t = \pi_{t+1} \circ \pi_t^{-1}$. Este concepto generaliza la sustracción de elementos en grupos aditivos al grupo simétrico no abeliano.
   • Distancias de Edición: Los autores utilizan dos métricas específicas derivadas de las transcripciones:
     • Distancia de Cayley ($d_C$): El número mínimo de transposiciones requeridas para transformar una permutación en otra.
     • Distancia de Kendall ($d_K$): El número mínimo de transposiciones adyacentes requeridas.
   • Se demuestra que estas distancias son normas de la transcripción, vinculando la estructura algebraica directamente con la disimilitud medible.

2. Propiedades Estocásticas:

   • El artículo deriva las distribuciones marginales de las transcripciones y las distancias resultantes para tres tipos específicos de procesos bajo la hipótesis nula de independencia serial (i.i.d.):
     • Procesos i.i.d. estándar.
     • Caminatas Aleatorias Simétricas (CAS).
     • Procesos de Lanzamiento de Moneda Generalizado (LMG).
   • Se demuestra que las distribuciones marginales de las transcripciones y las distancias difieren sustancialmente entre procesos i.i.d. y procesos con dependencia serial (por ejemplo, AR(1), CAS, LMG). Por ejemplo, la dependencia positiva tiende a aumentar la frecuencia de transcripciones de distancia cero (PO repetidos), mientras que la dependencia negativa la disminuye.
   • Distribuciones Bivariadas: Los autores derivan las distribuciones conjuntas de las transcripciones en el retardo $h=1, 2, 3$ para procesos i.i.d., estableciendo la estructura de dependencia (específicamente, que la serie de transcripciones es 3-dependiente para entradas i.i.d.).

3. Teoría Asintótica y Estadísticos de Prueba:

   • Utilizando un Teorema del Límite Central para procesos $\alpha$-mezclables (específicamente $q$-dependientes), los autores establecen la normalidad asintótica del vector de frecuencias relativas de transcripciones y distancias.
   • Basándose en estas asintóticas, se proponen seis nuevos estadísticos de prueba para contrastar la hipótesis nula de independencia serial:
     • Pruebas de Distancia Media: $d_C$ y $d_K$ (medias muestrales de las distancias de Cayley y Kendall).
     • Pruebas de Entropía/Desviación: $H_\tau, H_C, H_K$ (divergencia de Kullback–Leibler entre frecuencias observadas y teóricas).
     • Pruebas de Bondad de Ajuste: $\Delta_\tau, \Delta_C, \Delta_K$ (estadísticos de Pearson).
   • Las distribuciones asintóticas de los estadísticos de entropía y Pearson se derivan como formas cuadráticas de variables chi-cuadrado independientes, con autovalores calculados explícitamente para el caso i.i.d.

Resultados Clave

• Derivaciones Teóricas: El artículo proporciona expresiones de forma cerrada para las distribuciones marginales y bivariadas de transcripciones y distancias para procesos i.i.d., CAS y LMG. Establece que las distancias medias de Cayley y Kendall son sensibles al tipo de dependencia serial (aumentando o disminuyendo según el proceso).
• Estudio de Simulación: Un estudio de simulación exhaustivo compara las nuevas pruebas basadas en transcripciones contra:
  • La prueba paramétrica ACF.
  • Pruebas existentes basadas en PO no paramétricas (pruebas de entropía, Pearson, $\beta$ y $\tau$ de Weiß, 2022).
  • Hallazgos:
    • Las nuevas pruebas exhiben generalmente poder superior en comparación con las pruebas basadas en PO anteriores, particularmente para procesos AR(1) y procesos contaminados con valores atípicos aditivos.
    • Las pruebas basadas en la distancia de Kendall ($d_K$, $H_K$, $\Delta_K$) y las pruebas basadas en transcripciones ($H_\tau$, $\Delta_\tau$) son consistentemente poderosas frente a alternativas lineales y no lineales.
    • Las pruebas basadas en la distancia de Cayley ($d_C$, $H_C$, $\Delta_C$) muestran un rendimiento mixto, destacando notablemente para procesos ARCH(1) pero rindiendo menos bien en otros casos.
    • Todas las pruebas propuestas demuestran robustez frente a valores atípicos, superando a la prueba ACF en escenarios contaminados.
• Aplicación en el Mundo Real: Los métodos se aplicaron a datos mensuales de temperatura del aire de Hamburgo (1936–2024). Tras la diferenciación estacional, las pruebas basadas en transcripciones (específicamente $H_\tau$, $H_K$, $\Delta_K$) rechazaron con éxito la hipótesis nula de independencia serial, detectando estructuras de dependencia que algunas pruebas basadas en PO competidoras pasaron por alto o encontraron ambiguas.

Significado y Afirmaciones
Los autores afirman que este trabajo extiende la utilidad de los Patrones Ordinales aprovechando su estructura de grupo algebraica. Al tratar los PO no solo como símbolos sino como elementos de grupo, la introducción de transcripciones y distancias de edición proporciona una representación más rica de la estructura de dependencia de la serie temporal.

El artículo afirma que:

1. Las transcripciones ofrecen una nueva dimensión de análisis: Capturan la "diferencia" entre estados sucesivos, lo cual es distinto de la frecuencia marginal de los estados mismos.
2. Rendimiento Mejorado: Las pruebas no paramétricas propuestas a menudo superan a las pruebas basadas en PO anteriores y a la prueba ACF estándar, particularmente en términos de poder frente a diversas alternativas lineales y no lineales y robustez frente a valores atípicos.
3. Utilidad Práctica: El enfoque es computacionalmente viable y proporciona un complemento valioso a las herramientas existentes para detectar dependencia serial en datos del mundo real.

Los autores concluyen que, aunque el marco actual se centra en autotranscripciones univariadas, el enfoque algebraico sugiere direcciones futuras prometedoras, incluidas las cruz-transcripciones para sistemas multivariados/acoplados y los patrones ordinales espaciales. También señalan que derivar distribuciones de forma cerrada para procesos más complejos sigue siendo un área abierta para futuras investigaciones.