Resumen Técnico: Dejar una Ventana Fuera (LWO) para Inferencia Predictiva en Series Temporales

Enunciado del Problema

Los métodos de predicción conforme proporcionan inferencia predictiva rigurosa (intervalos de predicción válidos) bajo el supuesto de intercambiabilidad de los datos y predictores sin memoria. Sin embargo, estos supuestos se violan frecuentemente en entornos de series temporales debido a la dependencia temporal y a la necesidad de utilizar predictores basados en memoria (que emplean observaciones pasadas para pronosticar valores futuros).

Aunque trabajos recientes han demostrado que la predicción conforme dividida es robusta ante estas violaciones, adolece de un "impuesto de división": la partición de los datos en conjuntos de entrenamiento y calibración reduce el tamaño de la muestra efectiva, lo que conduce a intervalos de predicción más amplios y a una menor eficiencia estadística, particularmente en regímenes con escasez de datos.

Por el contrario, los métodos leave-one-out (jackknife) utilizan el conjunto de datos completo, ofreciendo una mayor eficiencia estadística. No obstante, la validez teórica del jackknife estándar depende de la intercambiabilidad. Este artículo investiga si el jackknife estándar sigue siendo fiable bajo dependencia temporal. Mediante experimentos numéricos sobre procesos de media móvil (MA), los autores demuestran que el jackknife estándar puede sufrir una pérdida arbitraria de cobertura (subcobertura severa) incluso en modelos de series temporales simples con dependencia leve. Esto ocurre porque la calibración leave-one-out crea una asimetría: los puntos de prueba proxy en el conjunto de entrenamiento tienen información "de dos lados" (pasado y futuro), mientras que el punto de prueba real al final de la secuencia solo tiene información "de un lado" (pasado), lo que conduce a intervalos mal calibrados.

Metodología: Dejar una Ventana Fuera (LWO)

Para remediar el fallo del jackknife estándar manteniendo su eficiencia de datos, los autores proponen el método Leave-a-Window-Out (LWO).

Mecanismo Central

El método LWO modifica el procedimiento de calibración jackknife estándar para tener en cuenta la dependencia temporal:

1. Entrenamiento con un Hueco: Para cada índice $k$ en el conjunto de entrenamiento, el predictor $\hat{f}_k$ se entrena no solo eliminando el punto $k$-ésimo, sino eliminando una ventana de puntos de datos desde el índice $k$ hasta $\min\{k+\tau, n\}$, donde $\tau$ es un hiperparámetro que representa el tamaño de la ventana.
2. Cálculo de la Puntuación: La puntuación de conformidad $s_k$ se calcula en el punto $k$-ésimo utilizando el predictor entrenado con los datos restantes (que incluye un componente de "pre-ventana" y un componente de "post-ventana").
3. Conjunto de Predicción: El conjunto de predicción final para el punto de prueba $X_{n+1}$ se construye centrando en el predictor entrenado con todos los $n$ puntos e inflándolo mediante el cuantil $(1-\alpha)$ de las puntuaciones de leave-out con ventana.

Marco Teórico

La validez de LWO se establece mediante un nuevo marco teórico basado en la intercambiabilidad cíclica:

• Incrustación Cíclica: Los autores introducen el concepto de incrustar una serie temporal dependiente en una secuencia más larga y cíclicamente intercambiable. Definen el coeficiente de incrustación cíclica ($\rho_\tau$) para cuantificar la distancia entre la serie temporal real y la secuencia cíclicamente intercambiable más cercana.
• Supuestos de Estabilidad: Las demostraciones se basan en una condición de estabilidad fuera de la muestra (OOS). Específicamente, el par formado por la función de puntuación de conformidad y el algoritmo de entrenamiento debe ser estable cuando se enmascara (elimina) un bloque aleatorio de datos de entrenamiento. Esto es más débil que la estabilidad uniforme pero suficiente para los límites propuestos.
• Condiciones de Mezcla: Los autores relacionan el coeficiente de incrustación cíclica con medidas estándar de dependencia, como los coeficientes de mezcla $\beta$ y los coeficientes de mezcla condicional $\beta$. Muestran que para procesos de mezcla (incluyendo aquellos aproximadamente markovianos), el coeficiente de incrustación cíclica es pequeño si el tamaño de la ventana $\tau$ supera el rango de dependencia efectivo.

Contribuciones Clave

1. Identificación del Fallo del Jackknife: El artículo demuestra rigurosamente que el jackknife estándar falla al proporcionar una cobertura válida en entornos de series temporales debido a la asimetría entre los puntos proxy de entrenamiento y el punto de prueba, incluso bajo dependencia leve.
2. Propuesta de LWO: Se introduce un nuevo método, LWO, que modifica el principio leave-one-out eliminando una ventana de datos futuros en relación con el punto de prueba proxy. Esto restaura la estructura de información de las puntuaciones de calibración para que coincida con la del punto de prueba.
3. Garantías Teóricas:
   • Teorema 1 y 2: Se derivan límites de cobertura de muestra finita para LWO. Estos límites dependen del coeficiente de incrustación cíclica y de los parámetros de estabilidad OOS.
   • Corolarios: Los límites se especializan para procesos de mezcla (Corolario 1 para procesos aproximadamente markovianos; Corolario 2 para procesos de mezcla generales), mostrando que es posible lograr una cobertura válida si el tamaño de la ventana $\tau$ se elige apropiadamente en relación con el tiempo de mezcla.
4. Nuevos Coeficientes: El artículo introduce el coeficiente de incrustación cíclica y utiliza coeficientes de conmutación (adaptados de Barber y Pananjady, 2026) para medir las desviaciones de la intercambiabilidad en un contexto cíclico.

Resultados Experimentales

Los autores evalúan LWO frente a la Predicción Conforme Dividida (Split CP) y el Jackknife estándar (JK) en conjuntos de datos sintéticos y del mundo real:

• Datos Sintéticos (Proceso MA(1)): En procesos de media móvil multidimensionales, el jackknife estándar sufre una subcobertura severa (a menudo cayendo por debajo del 70% de cobertura para un objetivo del 90%), especialmente en dimensiones más altas. Split CP mantiene la cobertura nominal pero produce intervalos de predicción significativamente más amplios. LWO logra una cobertura cercana al nivel nominal (comparable a Split CP) mientras produce regiones de predicción sustancialmente más estrechas (más eficientes).
• Datos Reales (Tráfico y Energía Solar): En benchmarks de series temporales del mundo real, LWO mantiene consistentemente una cobertura cercana a la nominal en diversos predictores base (Ridge, KNN, MLP, Árboles de Decisión, Regresión por Núcleos). Por el contrario, el jackknife estándar falla en cubrir para combinaciones específicas de predictor-datos (por ejemplo, KNN en datos de Energía Solar). LWO evita la pérdida de eficiencia de Split CP mientras se protege contra la subcobertura del jackknife estándar.

Significado y Afirmaciones

El artículo afirma que LWO ofrece una solución fundamentada a la compensación entre validez y eficiencia en la inferencia predictiva para series temporales.

• Validez: A diferencia del jackknife estándar, LWO proporciona garantías de cobertura aproximada demostrables bajo supuestos naturales de dependencia (mezcla) y condiciones de estabilidad.
• Eficiencia: A diferencia de la predicción conforme dividida, LWO utiliza todo el conjunto de datos para el entrenamiento, resultando en intervalos de predicción más ajustados.
• Avance Conceptual: El trabajo introduce una nueva perspectiva para analizar datos dependientes incrustándolos en secuencias cíclicamente intercambiables, proporcionando una herramienta distribucional (el coeficiente de incrustación cíclica) que conecta la dependencia de series temporales con la validez conforme.

Los autores permanecen modestos respecto a las preguntas abiertas, señalando que sus garantías dependen de supuestos de estabilidad OOS (que son satisfechos por muchos algoritmos estándar como la regresión ridge y KNN, pero no por todos). También reconocen que, aunque la teoría sugiere que $\tau$ debe superar el rango de dependencia, un método totalmente basado en datos para seleccionar $\tau$ con garantías de cobertura válida sigue siendo un problema abierto.