Cauchy Aggregation of Ridge-Regularized Hotelling Tests for High-Dimensional Change-Point Detection

Résumé technique : Agrégation de Cauchy des tests de Hotelling régularisés par ridge pour la détection de points de rupture en haute dimension

1. Formulation du problème
L'article traite du problème de la détection de changements dans le vecteur moyenne d'une série temporelle de haute dimension, où la dimension $p$ est comparable à la taille de l'échantillon $n$. Le modèle de données est $X_j = \mu_j + \Sigma_p^{1/2}Z_j$, où la matrice de covariance $\Sigma_p$ est invariante dans le temps, et l'objectif est de tester l'hypothèse nulle $H_0: \mu_1 = \dots = \mu_n$ contre des alternatives impliquant un ou plusieurs changements brusques de moyenne.

Dans les contextes de haute dimension, la matrice de covariance échantillonnée $S_n$ est souvent singulière ou mal conditionnée, rendant les tests classiques de type Hotelling basés sur $S_n^{-1}$ inapplicable. Les tests de Hotelling régularisés par ridge (RHT - Ridge-regularized Hotelling), qui remplacent $S_n^{-1}$ par $(S_n + \lambda I_p)^{-1}$, offrent une solution. Cependant, la puissance des tests RHT dépend de manière critique du choix du paramètre de ridge $\lambda$. Le $\lambda$ optimal est déterminé par la structure de covariance inconnue et par la direction/parcimonie inconnue du changement de moyenne. Sélectionner un $\lambda$ unique et fixe risque d'entraîner une perte de puissance substantielle si le choix est mal spécifié par rapport au signal réel sous-jacent.

2. Méthodologie
Les auteurs proposent une approche d'agrégation qui évite de sélectionner un seul paramètre de ridge optimal. Au lieu de cela, la méthode fonctionne comme suit :

• Grille déterministe : Une grille finie et déterministe de paramètres de ridge $\Lambda_n = \{\lambda_{1,n}, \dots, \lambda_{L,n}\}$ est fixée à l'avance. Ces valeurs sont mises à l'échelle par le ratio $\gamma_n = p/(n-1)$ pour garantir qu'elles restent bornées loin de zéro et de l'infini lorsque $n, p \to \infty$.
• Statistiques à ridge fixe : Pour chaque $\lambda_\ell \in \Lambda_n$, les auteurs calculent la statistique de balayage marginale RHT $T_{\lambda_\ell}$ et sa $p$-valeur correspondante $P_{\lambda_\ell}$. Sous des hypothèses standards de matrices aléatoires, la distribution marginale de $T_{\lambda_\ell}$ converge vers le supremum d'un processus gaussien pivot, rendant les $p$-valeurs marginales asymptotiquement valides et indépendantes de $\Sigma_p$.
• Combinaison de Cauchy : Les $p$-valeurs marginales sont agrégées à l'aide de la règle de combinaison de Cauchy (Liu et Xie [12]). La statistique de test est définie comme $C_n = \sum_{\ell=1}^L w_\ell \tan\{\pi(1/2 - P_{\lambda_\ell})\}$, où $w_\ell$ sont des poids fixes dont la somme est 1. La $p$-valeur analytique est calculée comme $P_{CCT} = 1/2 - (1/\pi)\arctan(C_n)$.

3. Principales contributions théoriques
L'article établit la validité théorique de cette stratégie d'agrégation sous des conditions standards de matrices aléatoires (Hypothèse 1) :

• Limite conjointe de la grille finie : La principale contribution théorique est la dérivation de la convergence faible conjointe du vecteur de processus de ridge $\{D_{\lambda_\ell}(s)\}_{\ell=1}^L$ vers un processus vectoriel gaussien centré $\{G_\ell(s)\}_{\ell=1}^L$. Bien que les processus marginaux soient pivots, la structure de covariance croisée entre les ridges dépend de la distribution spectrale limite de $\Sigma_p$.
• Validité de la taille : Deux schémas de calibration sont analysés :
  1. Calibration par la limite conjointe : L'utilisation de la valeur critique de la distribution limite conjointe des $p$-valeurs garantit une taille de niveau fixe asymptotiquement exacte.
  2. Calibration de Cauchy analytique : La $p$-valeur de Cauchy analytique standard fournit une approximation simple et robuste à la dépendance. L'article prouve que cette $p$-valeur analytique est valide au sens de la « petite queue » (c'est-à-dire que $\lim_{\alpha \downarrow 0} \lim_{n \to \infty} P(P_{CCT} \le \alpha)/\alpha = 1$), bien qu'elle puisse ne pas donner une taille exacte aux niveaux conventionnels (par exemple, 0,05) sans calibration conjointe.
• Consistance adaptative : Les auteurs prouvent que s'il existe au moins un point de grille $\lambda_{\ell_0}$ où la dérive du signal diverge vers l'infini, le test agrégé atteint une puissance tendant vers un, à condition que les autres termes ne compensent pas asymptotiquement le terme divergent. Cela établit la capacité de la méthode à s'adapter à des structures de signaux inconnues sans estimer explicitement le $\lambda$ optimal.

4. Résultats de simulation
Des expériences de Monte Carlo ont été menées à travers diverses structures de covariance (Identité, Toeplitz, décroissance polynomiale, décroissance exponentielle, symétrie composée) et divers types de signaux (denses indépendants, alignés sur la covariance, et décalages parcimonieux).

• Contrôle de la taille : Les simulations montrent que des valeurs de ridge modérées sur la grille déterministe produisent des tailles empiriques proches du niveau nominal (5 %). Des valeurs de ridge très faibles peuvent être libérales lorsque $p/n$ est grand, ce qui motive l'exclusion de paramètres extrêmement petits de la grille.
• Performance de la puissance : Le test agrégé par Cauchy atteint systématiquement une puissance proche de celle du meilleur choix de ridge fixe « oracle » (le meilleur $\lambda$ sélectionné dans la grille après coup).
• Robustesse : La méthode suit la performance du meilleur ridge fixe à travers diverses configurations de covariance et de signaux. Le Tableau 3 quantifie l'écart de puissance cumulée par rapport à l'oracle, montrant que le test combiné de Cauchy ($\Delta_{CCT}$) présente systématiquement la plus faible perte par rapport aux choix fixes de $\lambda/\gamma_n = 0,1$ ou $0,2$. L'avantage est particulièrement marqué lorsque la valeur de ridge optimale varie considérablement avec la structure spectrale (par exemple, sous une décroissance polynomiale ou des signaux alignés sur la covariance).

5. Signification et affirmations
L'article affirme que son approche d'agrégation offre une solution pratique au dilemme du paramètre de réglage en détection de points de rupture en haute dimension. En évitant l'estimation d'une valeur de ridge unique optimal pour la puissance, la méthode :

• Maintient un comportement de taille stable grâce à l'utilisation d'une grille déterministe.
• Atteint une puissance comparable au meilleur choix de ridge fixe possible à travers une large gamme de configurations de covariance et de signaux inconnus.
• Fournit une justification théorique solide pour l'utilisation de la règle de Cauchy dans ce contexte, en clarifiant précisément la distinction entre la calibration exacte par la limite conjointe et l'approximation de la petite queue analytique.

Les auteurs concluent qu'en agrégeant une grille de ridge déterministe stable, on récupère la majeure partie de la puissance du ridge fixe oracle sans nécessiter la sélection d'un seul paramètre de ridge, potentiellement sous-optimal. Ils notent que la méthode repose sur l'hypothèse que la grille est bornée loin de zéro pour éviter l'instabilité en échantillon fini.