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

Sintesi Tecnica: Aggregazione di Cauchy di Test di Hotelling con Regolarizzazione Ridge per il Rilevamento di Change-Point ad Alta Dimensionalità

1. Formulazione del Problema
Il documento affronta il problema del rilevamento di cambiamenti nel vettore media di una serie temporale ad alta dimensionalità, dove la dimensione $p$ è comparabile alla dimensione del campione $n$. Il modello dei dati è $X_j = \mu_j + \Sigma_p^{1/2}Z_j$, dove la matrice di covarianza $\Sigma_p$ è invariante nel tempo, e l'obiettivo è testare l'ipotesi nulla $H_0: \mu_1 = \dots = \mu_n$ contro alternative che coinvolgono uno o più spostamenti bruschi della media.

In contesti ad alta dimensionalità, la matrice di covarianza campionaria $S_n$ è spesso singolare o mal condizionata, rendendo inapplicabili i classici test di tipo Hotelling basati su $S_n^{-1}$. I test di Hotelling regolarizzati con Ridge (RHT), che sostituiscono $S_n^{-1}$ con $(S_n + \lambda I_p)^{-1}$, offrono una soluzione. Tuttavia, la potenza dei test RHT dipende criticamente dalla scelta del parametro di ridge $\lambda$. L' $\lambda$ ottimale è determinato dalla struttura di covarianza ignota e dalla direzione/sparsità dello spostamento della media. Selezionare un singolo $\lambda$ fisso comporta il rischio di una sostanziale perdita di potenza se la scelta è errata rispetto al vero segnale sottostante.

2. Metodologia
Gli autori propongono un approccio di aggregazione che evita la selezione di un singolo parametro di ridge ottimale. Invece, il metodo opera come segue:

• Griglia Deterministica: Una griglia finita e deterministica di parametri di ridge $\Lambda_n = \{\lambda_{1,n}, \dots, \lambda_{L,n}\}$ è fissata in anticipo. Tali valori sono scalati tramite il rapporto $\gamma_n = p/(n-1)$ per garantire che rimangano distanti dallo zero e dall'infinito quando $n, p \to \infty$.
• Statistiche a Ridge Fisso: Per ogni $\lambda_\ell \in \Lambda_n$, gli autori calcolano la statistica scan RHT marginale $T_{\lambda_\ell}$ e il corrispondente $p$-value $P_{\lambda_\ell}$. Sotto le standard assunzioni di random-matrix, la distribuzione marginale di $T_{\lambda_\ell}$ converge a un supremo di un processo gaussiano pivotale, rendendo i $p$-value marginali asintoticamente validi e indipendenti da $\Sigma_p$.
• Combinazione di Cauchy: I $p$-value marginali vengono aggregati utilizzando la regola di combinazione di Cauchy (Liu e Xie [12]). La statistica del test è definita come $C_n = \sum_{\ell=1}^L w_\ell \tan\{\pi(1/2 - P_{\lambda_\ell})\}$, dove $w_\ell$ sono pesi fissi la cui somma è 1. Il $p$-value analitico è calcolato come $P_{CCT} = 1/2 - (1/\pi)\arctan(C_n)$.

3. Contributi Teorici Chiave
Il documento stabilisce la validità teorica di questa strategia di aggregazione sotto le standard condizioni di random-matrix (Assunzione 1):

• Limite Congiunto della Griglia Finita: Il principale contributo teorico è la derivazione della convergenza debole congiunta del vettore dei processi di ridge $\{D_{\lambda_\ell}(s)\}_{\ell=1}^L$ verso un processo di vettore gaussiano centrato $\{G_\ell(s)\}_{\ell=1}^L$. Mentre i processi marginali sono pivotali, la struttura di covarianza cross-ridge dipende dalla distribuzione spettrale limite di $\Sigma_p$.
• Validità della Dimensione (Size): Vengono analizzati due schemi di calibrazione:
  1. Calibrazione del Limite Congiunto: L'uso del valore critico dalla distribuzione del limite congiunto dei $p$-value garantisce una dimensione a livello fisso asintoticamente esatta.
  2. Calibrazione Analitica di Cauchy: Il $p$-value analitico standard di Cauchy fornisce un'approssimazione semplice e robusta rispetto alla dipendenza. Il documento dimostra che questo $p$-value analitico è valido nel senso della "coda piccola" (ovvero $\lim_{\alpha \downarrow 0} \lim_{n \to \infty} P(P_{CCT} \le \alpha)/\alpha = 1$), sebbene possa non fornire una dimensione esatta ai livelli convenzionali (es. 0.05) senza calibrazione congiunta.
• Consistenza Adattiva: Gli autori dimostrano che se esiste almeno un punto della griglia $\lambda_{\ell_0}$ in cui il drift del segnale diverge all'infinito, il test aggregato raggiunge una potenza che tende a uno, a condizione che gli altri termini non cancellino asintoticamente il termine divergente. Ciò stabilisce la capacità del metodo di adattarsi a strutture di segnale ignote senza stimare esplicitamente l' $\lambda$ ottimale.

4. Risultati delle Simulazioni
Esperimenti Monte Carlo sono stati condotti attraverso varie strutture di covarianza (Identità, Toeplitz, Decadimento Polinomiale, Decadimento Esponenziale, Simmetria Composta) e diversi tipi di segnale (indipendente denso, allineato alla covarianza e shift sparsi).

• Controllo della Dimensione: Le simulazioni mostrano che valori di ridge moderati sulla griglia deterministica producono dimensioni empiriche vicine al livello nominale (5%). Valori di ridge molto piccoli possono risultare liberali quando $p/n$ è grande, motivando l'esclusione di parametri estremamente piccoli dalla griglia.
• Performance della Potenza: Il test aggregato di Cauchy raggiunge costantemente una potenza vicina a quella della migliore scelta di ridge fisso "oracle" (il miglior $\lambda$ selezionato dalla griglia ex post).
• Robustezza: Il metodo segue la performance del miglior ridge fisso attraverso diverse configurazioni di covarianza e segnale. La Tabella 3 quantifica il gap di potenza cumulativo rispetto all'oracle, mostrando che il test combinato di Cauchy ($\Delta_{CCT}$) presenta costantemente la minore perdita rispetto alle scelte fisse di $\lambda/\gamma_n = 0.1$ o $0.2$. Il vantaggio è particolarmente pronunciato quando l'ottimale valore di ridge varia significativamente con la struttura spettrale (ad esempio, sotto Decadimento Polinomiale o segnali allineati alla covarianza).

5. Significato e Rivendicazioni
Il documento sostiene che il suo approccio di aggregazione offre una soluzione pratica al dilemma del parametro di tuning nel rilevamento di change-point ad alta dimensionalità. Evitando la stima di un singolo valore di ridge ottimale per la potenza, il metodo:

• Mantiene un comportamento stabile della dimensione attraverso l'uso di una griglia deterministica.
• Raggiunge una potenza comparabile alla migliore scelta possibile di ridge fisso attraverso una vasta gamma di configurazioni di covarianza e segnale ignote.
• Fornisce una giustificazione teoricamente fondata per l'uso della regola di Cauchy in questo contesto, chiarendo specificamente la distinzione tra calibrazione esatta del limite congiunto e l'approssimazione della coda piccola analitica.

Gli autori concludono che l'aggregazione di una stabile griglia di ridge deterministica recupera la maggior parte della potenza del ridge fisso oracle senza richiedere la selezione di un singolo parametro di ridge, potenzialmente subottimale. Notano inoltre che il metodo si basa sull'assunzione che la griglia sia limitata lontano dallo zero per evitare instabilità nei campioni finiti.