Conformal Prediction Intervals with Tail-Specific Guarantees

Resumen Técnico: Intervalos de Predicción Conformal con Garantías Específicas para las Colas

Planteamiento del Problema
Los marcos de predicción conformal (CP) clásicos proporcionan intervalos de predicción con garantías de cobertura marginal garantizadas (es decir, la probabilidad de que la respuesta verdadera caiga dentro del intervalo es al menos $1-\alpha$). Sin embargo, esta garantía global trata los colas superior e inferior de la distribución predictiva de manera simétrica. En muchos contextos de toma de decisiones del mundo real —como la gestión de carteras financieras (donde el riesgo de caída es más crítico que el potencial de subida) o el monitoreo clínico (donde ciertos umbrales activan acciones distintas)— las consecuencias de los errores en las dos colas son asimétricas. Los métodos de CP estándar no ofrecen un control explícito sobre las probabilidades individuales de cada cola, lo que potencialmente conduce a una subcobertura sistemática en la cola de mayor preocupación, mientras se sobrecobertura la otra.

Metodología
Los autores proponen un marco para construir intervalos de predicción que satisfagan tanto la cobertura marginal global como garantías de cobertura específicas para las colas explícitamente calibradas. La metodología se basa en la Predicción Conformal Dividida (Split Conformal Prediction) y se extiende a datos no intercambiables mediante la Inferencia Conformal Adaptativa (ACI) y la Inferencia Conformal Adaptativa de Ajuste Dinámico (DtACI).

El procedimiento central consiste en una construcción de dos pasos:

1. Intervalos Unilaterales: Los autores construyen intervalos laterales separados (inferior $[L, +\infty)$ y superior $(-\infty, U]$). Esto se logra definiendo puntuaciones de conformidad unilaterales específicas. Notablemente, introducen una puntuación de cuantil con signo ($s_{q\text{-sgn}}$) que conserva el signo del residuo relativo al cuantil estimado, contrastando con las puntuaciones truncadas utilizadas en la Regresión de Cuantiles Conformalizada (CQR) estándar.
2. Intersección: El intervalo de predicción bilateral final se obtiene mediante la intersección de los intervalos unilaterales calibrados independientemente: $C_{n+1}^\cap = [L_{n+1}, U_{n+1}]$.

Para datos no intercambiables (por ejemplo, series temporales con dependencia temporal o cambios en la distribución), el marco adapta los niveles de error de cobertura ($\alpha^-$ y $\alpha^+$) para las colas inferior y superior de forma independiente utilizando recursiones de aprendizaje en línea (ACI) o un conjunto de aprendices con ponderación exponencial (DtACI). Esto permite rastrear las tasas de violación objetivo para cada cola por separado, incluso bajo no estacionariedad.

Contribuciones Clave
El artículo describe cuatro contribuciones principales:

• C1 (Validez Específica de la Cola): Introducción de una noción más fuerte de validez marginal que descompone la falta de cobertura total $\alpha$ en componentes direccionales definidos por el usuario ($\alpha^-$ y $\alpha^+$), lo que permite a los profesionales asignar requisitos de cobertura más estrictos a colas específicas.
• C2 (Garantías Teóricas): Demostración de garantías de cobertura de muestra finita tanto para la cola específica como para la cobertura marginal global bajo el supuesto de intercambiabilidad. Además, se establecen garantías asintóticas y límites de arrepentimiento (regret bounds) a corto plazo para datos no intercambiables bajo ACI y DtACI.
• C3 (Desempeño Empírico): Demostración mediante estudios de simulación de que el enfoque propuesto logra una mejora en la calibración direccional en comparación con los intervalos CP bilaterales clásicos, particularmente en distribuciones sesgadas y de cola pesada. El estudio destaca que la puntuación de cuantil con signo evita los problemas de sobrecobertura extrema observados con las puntuaciones truncadas bajo un fuerte sesgo.
• C4 (Aplicación Financiera): Aplicación del marco a la previsión de retornos financieros, específicamente para la estimación del Valor en Riesgo (VaR). El método proporciona un enfoque libre de distribución y teóricamente válido para controlar el riesgo de caída (cola izquierda) mientras caracteriza simultáneamente el potencial de subida.

Resultados

• Simulaciones: En escenarios con distribuciones Student-t sesgadas (tanto IID como AR(1)), los intervalos CP bilaterales estándar y los modelos de referencia exhibieron una subcobertura significativa en la cola inferior y una sobrecobertura extrema (hasta el 100%) en la cola superior. El método de intersección propuesto restauró con éxito los niveles de cobertura objetivo para ambas colas de forma independiente, aunque con una ligera pérdida de eficiencia (aumento del ancho del intervalo) debido a la brecha no nula entre los límites de probabilidad.
• Aplicación Financiera: Aplicado a ETFs (SPY, TQQQ, XLE) con diversos perfiles de riesgo, los intervalos calibrados por cola basados en DtACI mantuvieron la cobertura de la cola izquierda objetivo (VaR) a través de diferentes regímenes de mercado. En contraste, los intervalos CP bilaterales clásicos y los pronósticos de VaR basados en GARCH paramétrico subcubrieron sistemáticamente la cola izquierda, fallando en proporcionar el estricto control de riesgo requerido para fines regulatorios y de gestión.

Significancia y Reivindicaciones
El artículo afirma que su marco aborda una brecha crítica en la cuantificación de la incertidumbre: la incapacidad de la CP estándar para manejar las consecuencias asimétricas de los errores de predicción. Al desacoplar la calibración de las dos colas, el método ofrece una herramienta robusta para la gestión de riesgos donde las garantías direccionales específicas son primordiales. Los autores enfatizan que su enfoque proporciona garantías de muestra finita para datos intercambiables y garantías asintóticas con límites de arrepentimiento para datos no intercambiables, todo ello sin requerir supuestos distributivos fuertes. El trabajo posiciona su propuesta como una solución práctica para dominios como las finanzas y la medicina, donde una cobertura de "talla única" es insuficiente para la toma de decisiones bajo riesgo asimétrico.