DCD: Decomposition-based Causal Discovery from Autocorrelated and Non-Stationary Temporal Data

1. Enunciato del Problema

Le serie temporali multivariate in domini come la finanza, la scienza del clima e l'assistenza sanitaria spesso presentano tendenze a lungo termine, pattern stagionali e fluttuazioni a breve termine. Queste caratteristiche introducono non stazionarietà e autocorrelazione, che complicano notevolmente l'inferenza causale.

• La Sfida Principale: I metodi esistenti di scoperta causale (CD) operano tipicamente su osservazioni grezze. Faticano a distinguere effetti causali a lungo termine, dipendenze stagionali e interazioni transitorie.
• Conseguenze: Ciò porta a archi spurii (collegamenti causali falsi) e dipendenze temporali erroneamente attribuite. Ad esempio, un ciclo stagionale condiviso tra due variabili potrebbe essere erroneamente identificato come un collegamento causale diretto, oppure una tendenza a lungo termine potrebbe mascherare relazioni meccaniche a breve termine.
• Lacuna: Sebbene i modelli di deep learning abbiano migliorato le previsioni catturando dipendenze a lungo termine, rimangono correlazionali. Manca un metodo che integri esplicitamente la decomposizione delle serie temporali con l'inferenza causale per separare queste scale temporali.

2. Metodologia: Il Framework DCD

Gli autori propongono la Scoperta Causale basata sulla Decomposizione (DCD), un framework strutturato che separa ogni serie temporale in tre componenti—Tendenza ($T$), Stagionalità ($S$) e Residuo ($R$)—ed esegue un'analisi causale mirata su ciascuna prima di integrare i risultati.

A. Fase di Decomposizione

• Tecnica: Utilizza STL (Decomposizione Stagionale-Trend mediante LOESS) per decomporre le serie temporali multivariate $X_i(t) = T_i(t) + S_i(t) + R_i(t)$.
• Razionale: STL è scelto rispetto a basi di Fourier rigide o medie mobili perché lo smoothing LOESS si adatta alle non linearità locali e minimizza la perdita spettrale (energia che si trasfonde da una componente all'altra), aspetto critico per le garanzie teoriche.
• Selezione del Periodo: Il periodo stagionale $P$ è selezionato tramite massimizzazione della varianza. Se non viene trovata una stagionalità significativa, la componente stagionale è impostata a zero.

B. Analisi Causale Specifica per Componente

DCD applica diverse strategie di inferenza adattate alle proprietà statistiche di ciascuna componente:

1. Analisi della Tendenza (Dipendenza a Lungo Termine):
   • Obiettivo: Identificare driver temporali esogeni.
   • Metodo: Applica test di stazionarietà (ADF e KPSS). Se una tendenza è non stazionaria, viene aggiunto un arco diretto dall'indice temporale ($t \to X_i$) al grafo della tendenza ($G_T$). Questo tratta il tempo come un confondente latente per le dinamiche a lungo termine.
2. Analisi Stagionale (Dipendenza Ciclica):
   • Obiettivo: Identificare dipendenze cicliche deterministiche.
   • Metodo: Utilizza il Criterio di Indipendenza Hilbert-Schmidt (HSIC) con kernel RBF per testare l'indipendenza tra la componente stagionale $S_i(t)$ e l'indice temporale $t$. Una dipendenza significativa aggiunge un arco stagionale ($t \to X_i$) al grafo stagionale ($G_S$).
3. Analisi del Residuo (Causalità a Breve Termine):
   • Obiettivo: Identificare interazioni meccaniche intrinseche.
   • Metodo: Dopo aver rimosso tendenze e stagionalità, il residuo $R_i(t)$ approssima un processo stazionario e debolmente dipendente. Viene applicato un algoritmo di scoperta causale basata su vincoli (ad es. PCMCI+) per trovare dipendenze con ritardo ($X_{t-\tau} \to Y_t$) e contemporanee ($X_t \to Y_t$), formando il grafo del residuo ($G_R$).

C. Integrazione del Grafo

• Il grafo causale finale $G_{combined}$ è l'unione dei tre grafi delle componenti: $G_{combined} = G_T \cup G_S \cup G_R$.
• Struttura: Il risultato è un grafo multi-relazionale che distingue:
  • Archi proxy-tempo: Driver esogeni ($t \to X$) che rappresentano tendenze e stagionalità.
  • Archi meccanici: Dipendenze variabile-a-variabile ($X \to Y$) che rappresentano meccanismi causali a breve termine.

3. Garanzie Teoriche e Identificabilità

Il documento stabilisce condizioni formali sotto le quali DCD recupera la vera struttura causale $G^*$:

• Assunzioni:
  1. Invarianza Causale: Il meccanismo del residuo è invariante nel tempo e soddisfa il $\beta$-mixing (debole dipendenza).
  2. Separabilità Spettrale: Le componenti di tendenza, stagionale e residua occupano bande di frequenza disgiunte.
  3. Perdita Limitata: La correlazione (perdita $\epsilon$) tra le componenti decomposte è piccola.
  4. Modularità Causale: Le influenze causali tra scale sono trascurabili.
• Teorema di Identificabilità: Sotto dinamiche lineari gaussiane, la distanza di Hamming strutturale (SHD) attesa tra il grafo stimato e la verità fondamentale è limitata da:
  $$E[SHD(\hat{G}, G^*)] \leq C_1 \cdot \epsilon + C_2 \cdot \alpha_n$$
  Dove $\epsilon$ è il parametro di perdita e $\alpha_n$ è l'errore di Tipo-I del test causale a valle. Ciò dimostra che DCD converge alla struttura vera man mano che la decomposizione migliora ($\epsilon \to 0$) e la dimensione del campione aumenta.

4. Contributi Chiave

1. Framework Innovativo: Introduzione di DCD, il primo framework che scompone esplicitamente le serie temporali in componenti di tendenza, stagionale e residua per un'inferenza causale mirata a più scale temporali.
2. Analisi Teorica: Formalizzazione della decomposizione come filtraggio spettrale, fornendo garanzie di identificabilità e un limite di errore dipendente dalla perdita spettrale e dalla significatività del test.
3. Superiorità Empirica: Dimostrati guadagni di prestazioni rispetto a baseline all'avanguardia (PCMCI+, CD-NOD, DYNOTEARS, ecc.) sia su dati sintetici che reali.
4. Robustezza: Dimostrato che il framework degrada in modo graduale quando la separabilità spettrale è parzialmente violata (ad es. modulazione di ampiezza), anziché fallire in modo catastrofico.

5. Risultati Sperimentali

Gli autori hanno valutato DCD su benchmark sintetici e due dataset reali: Ghiaccio Marino Artico (clima) e ETTh1 (carichi dei trasformatori elettrici).

• Benchmark Sintetici:
  • Metriche: DCD ha raggiunto il miglior equilibrio tra Tasso di Vero Positivo (TPR ~0,79), Tasso di Falsa Scoperta (FDR ~0,38) e Distanza di Hamming Strutturale (SHD).
  • Confronto: Le baseline come PCMCI+ hanno sofferto di un alto FDR a causa dell'autocorrelazione; DYNOTEARS ha mostrato un alto SHD e overfitting; CD-NOD aveva un basso SHD solo eliminando tutti gli archi con ritardo.
  • Scalabilità: DCD ha mantenuto stabilità su dimensioni del campione, ordini di ritardo e dimensionalità variabili ($d=4$ a $10$), mentre le baseline hanno mostrato crollo delle prestazioni o crescita instabile dell'FDR.
• Casi di Studio Reali:
  • Ghiaccio Marino Artico: DCD ha recuperato dipendenze multi-scala coerenti dal punto di vista fisico (ad es. feedback SST $\to$ Ghiaccio Marino, cicli di radiazione stagionali) che erano oscurati o mal orientati nelle baseline su dati grezzi.
  • ETTh1: DCD ha identificato interazioni autoregressive e incrociate tra carichi sparse e interpretabili, evitando i grafi densi e spurii prodotti da altri metodi.
• Studi di Ablazione:
  • Preprocessing vs Integrazione: L'applicazione del solo preprocessing STL alle baseline le ha migliorate, ma non al livello del DCD completo. Ciò conferma che l'integrazione del grafo multi-scala è una fonte distinta di guadagno nelle prestazioni.
  • Sensibilità: Le prestazioni sono diminuite linearmente (in modo graduale) all'aumentare della perdita spettrale, validando i limiti teorici.

6. Significato e Impatto

• Colmare il Divario: DCD colma il divario tra la decomposizione delle serie temporali (tradizionalmente utilizzata per le previsioni) e la scoperta causale.
• Gestione della Non Stazionarietà: Offre una soluzione robusta per dati non stazionari trattando tendenze e stagionalità come driver esogeni invece di forzarli nel grafo causale come collegamenti diretti variabile-a-variabile.
• Interpretabilità: Separando gli archi proxy-tempo (driver esogeni) dagli archi meccanici (dipendenze intrinseche), i grafi risultanti sono più interpretabili per esperti di dominio (ad es. climatologi o economisti).
• Direzioni Future: Gli autori suggeriscono di rilassare l'assunzione di separabilità spettrale per gestire l'accoppiamento tra frequenze (ad es. tendenze che modulano l'ampiezza stagionale) e integrare DCD con metodi di scoperta causale variabile nel tempo.

In sintesi, DCD fornisce un approccio fondato matematicamente e validato empiricamente per scoprire strutture causali in serie temporali complesse e non stazionarie, modellando esplicitamente le distinte scale temporali di tendenze, stagionalità e residui.