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

Riepilogo Tecnico: Trascrizioni e Distanze Algebriche nelle Serie Temporali

Enunciato del Problema
Il lavoro affronta il rilevamento della dipendenza seriale in serie temporali univariate a distribuzione continua. Sebbene l'uso dei Pattern Ordinali (PO)—rappresentazioni simboliche basate sull'ordine di rango dei valori in una finestra scorrevole—sia diventato uno strumento standard per l'analisi delle strutture di dipendenza, i metodi esistenti si basano principalmente sulle frequenze marginali di tali pattern. Gli autori sostengono che la struttura algebrica dei PO (considerati come elementi di un gruppo simmetrico) non è stata sfruttata appieno per i test di dipendenza. Nello specifico, la "differenza" o relazione tra PO successivi, che cattura la dinamica di come l'ordine di rango evolve nel tempo, rimane sottoutilizzata nei framework di test non parametrici.

Metodologia
L'approccio proposto trasforma la serie temporale originale in una sequenza di trascrizioni e distanze algebriche.

1. Quadro Concettuale:

   • Pattern Ordinali (PO): Una serie temporale viene discretizzata in una sequenza di permutazioni $\pi_t \in S_m$ (il gruppo simmetrico di grado $m$) basata sull'ordinamento relativo di $m$ osservazioni consecutive.
   • Trascrizioni: Definite come la "differenza" di teoria dei gruppi tra PO successivi: $\tau_t = \pi_{t+1} \circ \pi_t^{-1}$. Questo concetto generalizza la sottrazione di elementi nei gruppi additivi al gruppo simmetrico non abeliano.
   • Distanze di Modifica: Gli autori utilizzano due metriche specifiche derivate dalle trascrizioni:
     • Distanza di Cayley ($d_C$): Il numero minimo di trasposizioni necessarie per trasformare una permutazione in un'altra.
     • Distanza di Kendall ($d_K$): Il numero minimo di trasposizioni adiacenti necessarie.
   • Si dimostra che queste distanze sono norme della trascrizione, collegando direttamente la struttura algebrica a una dissimilarità misurabile.

2. Proprietà Stocastiche:

   • Il lavoro deriva le distribuzioni marginali delle trascrizioni e delle distanze risultanti per tre specifici tipi di processo sotto l'ipotesi nulla di indipendenza seriale (i.i.d.):
     • Processi i.i.d. standard.
     • Camminate Casuali Simmetriche (SRW).
     • Processi di Lancio di Moneta Generalizzato (GCT).
   • Si dimostra che le distribuzioni marginali delle trascrizioni e delle distanze differiscono sostanzialmente tra processi i.i.d. e processi con dipendenza seriale (ad es. AR(1), SRW, GCT). Ad esempio, la dipendenza positiva tende ad aumentare la frequenza di trascrizioni a distanza zero (PO ripetuti), mentre la dipendenza negativa la diminuisce.
   • Distribuzioni Bivariate: Gli autori derivano le distribuzioni congiunte delle trascrizioni al ritardo $h=1, 2, 3$ per processi i.i.d., stabilendo la struttura di dipendenza (in particolare, che la serie delle trascrizioni è 3-dipendente per input i.i.d.).

3. Teoria Asintotica e Statistiche di Test:

   • Utilizzando un Teorema del Limite Centrale per processi $\alpha$-misti (specificamente $q$-dipendenti), gli autori stabiliscono la normalità asintotica del vettore delle frequenze relative delle trascrizioni e delle distanze.
   • Sulla base di queste proprietà asintotiche, vengono proposte sei nuove statistiche di test per verificare l'ipotesi nulla di indipendenza seriale:
     • Test sulla Distanza Media: $d_C$ e $d_K$ (medie campionarie delle distanze di Cayley e Kendall).
     • Test di Entropia/Devianza: $H_\tau, H_C, H_K$ (divergenza di Kullback–Leibler tra frequenze osservate e teoriche).
     • Test di Adattamento (Goodness-of-Fit): $\Delta_\tau, \Delta_C, \Delta_K$ (statistiche di Pearson).
   • Le distribuzioni asintotiche delle statistiche di entropia e di Pearson sono derivate come forme quadratiche di variabili chi-quadro indipendenti, con autovalori calcolati esplicitamente per il caso i.i.d.

Risultati Chiave

• Derivazioni Teoriche: Il lavoro fornisce espressioni in forma chiusa per le distribuzioni marginali e bivariate delle trascrizioni e delle distanze per processi i.i.d., SRW e GCT. Stabilisce che le distanze medie di Cayley e Kendall sono sensibili al tipo di dipendenza seriale (aumentando o diminuendo a seconda del processo).
• Studio di Simulazione: Uno studio di simulazione completo confronta i nuovi test basati sulle trascrizioni con:
  • Il test parametrico ACF.
  • Esistenti test non parametrici basati sui PO (test di entropia, Pearson, $\beta$ e $\tau$ da Weiß, 2022).
  • Risultati:
    • I nuovi test mostrano generalmente una potenza superiore rispetto ai precedenti test basati sui PO, in particolare per processi AR(1) e processi contaminati da outlier additivi.
    • I test basati sulla distanza di Kendall ($d_K$, $H_K$, $\Delta_K$) e i test basati sulle trascrizioni ($H_\tau$, $\Delta_\tau$) sono costantemente potenti sia per alternative lineari che non lineari.
    • I test basati sulla distanza di Cayley ($d_C$, $H_C$, $\Delta_C$) mostrano prestazioni miste, eccellendo notevolmente per processi ARCH(1) ma performando meno bene per altri.
    • Tutti i test proposti dimostrano robustezza agli outlier, superando il test ACF in scenari contaminati.
• Applicazione Reale: I metodi sono stati applicati ai dati mensili della temperatura dell'aria di Amburgo (1936–2024). Dopo la differenziazione stagionale, i test basati sulle trascrizioni (in particolare $H_\tau$, $H_K$, $\Delta_K$) hanno rifiutato con successo l'ipotesi nulla di indipendenza seriale, rilevando strutture di dipendenza che alcuni test basati sui PO concorrenti avevano mancato o trovato ambigue.

Significato e Affermazioni
Gli autori affermano che questo lavoro estende l'utilità dei Pattern Ordinali sfruttando la loro struttura di gruppo algebrica. Trattando i PO non solo come simboli ma come elementi di gruppo, l'introduzione di trascrizioni e distanze di modifica fornisce una rappresentazione più ricca della struttura di dipendenza della serie temporale.

Il lavoro afferma che:

1. Le trascrizioni offrono una nuova dimensione di analisi: Catturano la "differenza" tra stati successivi, che è distinta dalla frequenza marginale degli stati stessi.
2. Prestazioni Migliorate: I test non parametrici proposti spesso superano i precedenti test basati sui PO e il test ACF standard, in particolare in termini di potenza contro varie alternative lineari e non lineari e di robustezza agli outlier.
3. Utilità Pratica: L'approccio è computazionalmente fattibile e fornisce un prezioso complemento agli strumenti esistenti per il rilevamento della dipendenza seriale in dati reali.

Gli autori concludono che, sebbene l'attuale framework si concentri sulle auto-trascrizioni univariate, l'approccio algebrico suggerisce promettenti direzioni future, incluse le transcrizioni incrociate per sistemi multivariati/accoppiati e i pattern ordinali spaziali. Notano inoltre che la derivazione di distribuzioni in forma chiusa per processi più complessi rimane un'area aperta per la ricerca futura.