🌀 nonlinear sciences

Time Series Correlations and Kolmogorov Complexity: A Hausdorff Dimension Perspective

Dit artikel betoogt dat het gebruik van Kolmogorov-complexiteit, gemeten via de effectieve Hausdorff-dimensie en een gezamenlijke indicator ( $J_{\rm LZ}$ ), een effectief hulpmiddel biedt om schijnbare correlaties in tijdsreeksen te detecteren en te filteren, waarbij lage complexiteit leidt tot een hoger risico op valse positieven.

Oorspronkelijke auteurs: Boumediene Hamzi, Marianne Clausel, Kamal Dingle, Marcus Hutter, Mohammed Terry-Jack

Gepubliceerd 2026-03-31

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Boumediene Hamzi, Marianne Clausel, Kamal Dingle, Marcus Hutter, Mohammed Terry-Jack

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kernvraag: Waarom zien we soms dingen die niet bestaan?

Stel je voor dat je twee lijnen tekent op een stuk papier.

De ene lijn is de prijs van aardbeien in de supermarkt.
De andere lijn is het aantal mensen dat een hoed draagt.

Als je deze lijnen naast elkaar legt, zie je misschien dat ze allebei langzaam omhoog gaan. Ze lijken op elkaar te lopen. Een computer zou zeggen: "Wow, deze twee hebben een sterke relatie!" Maar in werkelijkheid heeft het dragen van een hoed niets te maken met aardbeienprijzen. Ze lopen alleen omhoog omdat de tijd vordert (inflationaire trend).

Dit noemen we een schijnverwantschap (spurious correlation). Het is een valstrik waar data-analisten al honderd jaar in trappen. Simpele, saaie lijnen (zoals een rechte lijn omhoog) komen overal voor, en daardoor "botsen" ze vaak per ongeluk met elkaar.

De Oplossing: De "Complexiteits-Test"

De auteurs van dit paper zeggen: "Wacht even! Voordat je zegt dat er een relatie is, moet je kijken naar de ingewikkeldheid van de lijnen."

Ze gebruiken een concept uit de wiskunde en informatica dat Kolmogorov-complexiteit heet. Laten we dit uitleggen met een metafoor:

De Simpele Lijn (Laag Complex): Stel je voor dat je een lijn moet beschrijven die perfect recht omhoog gaat. Je hoeft maar één zin te zeggen: "Ga 100 stappen omhoog." Dit is heel kort, heel makkelijk te comprimeren en heeft lage complexiteit.
De Chaotische Lijn (Hoog Complex): Stel je voor dat je een lijn moet beschrijven die als een gekke bergop-bergaf-rit is, zonder patroon, zoals het geluid van een stroomstootapparaat of de beweging van een wolk. Om dit te beschrijven, moet je elke kleine piek en dal opschrijven. De beschrijving is enorm lang. Dit heeft hoge complexiteit.

De grote ontdekking van het paper:
Het is heel makkelijk om twee simpele lijnen (zoals twee rechte lijnen) per ongeluk op elkaar te laten lijken. Maar het is bijna onmogelijk om twee volledig chaotische, ingewikkelde lijnen per ongeluk op elkaar te laten lijken. Als twee chaotische lijnen toch op elkaar lijken, is de kans 99,9% dat er een echte, onderliggende oorzaak is.

De Metafoor: De Danszaal

Stel je een danszaal voor met twee soorten dansers:

De Robotdansers (Laag Complex): Deze dansers doen precies hetzelfde: links, rechts, links, rechts. Omdat ze allemaal hetzelfde simpele patroon doen, is de kans enorm groot dat je twee robots ziet die perfect synchroon dansen, zelfs als ze totaal niets met elkaar te maken hebben. Ze lijken op elkaar omdat ze saai zijn.
De Improvisatie-dansers (Hoog Complex): Deze dansers bewegen willekeurig, snel en onvoorspelbaar. Ze dansen alsof ze in een storm staan. Als je twee van deze dansers ziet die plotseling precies dezelfde beweging maken, is dat geen toeval. Het betekent dat ze elkaar aan het kijken zijn of op dezelfde muziek reageren.

Het paper zegt: Kijk niet alleen naar hoe goed ze op elkaar lijken (de correlatie), maar kijk ook naar wat voor soort dansers het zijn. Als het Robotdansers zijn, is hun synchronie waarschijnlijk nep. Als het Improvisatie-dansers zijn, is hun synchronie waarschijnlijk echt.

De Nieuwe Tool: De "JLZ"-Meter

De auteurs hebben een nieuwe manier bedacht om dit te meten, genaamd JLZ.

Als je twee lijnen hebt, meet je eerst hoe "chaotisch" ze zijn.
Als beide lijnen chaotisch zijn én ze lijken op elkaar: Gefeliciteerd, dit is waarschijnlijk een echte ontdekking!
Als beide lijnen simpel zijn en ze lijken op elkaar: Pas op, dit is waarschijnlijk toeval.

Ze hebben ook ontdekt dat je niet mag kijken naar hoe gelijk de complexiteit is (bijvoorbeeld: "beide zijn saai"), maar dat je moet kijken of ze beiden complex zijn.

Waarom is dit belangrijk?

In de echte wereld zien we vaak correlaties die niets betekenen:

"Het aantal piraten is gedaald, en de temperatuur is gestegen. Piraten redden de aarde!" (Nee, dat is toeval).
"De aandelenprijs van X en Y lopen gelijk op." (Misschien wel, maar misschien zijn ze allebei gewoon een simpele stijgende lijn door inflatie).

Met deze nieuwe methode kunnen wetenschappers en beleggers sneller filteren:

Check eerst of de data "rustig" is (geen grote trends die alles verstoren).
Meet de complexiteit.
Pas de "JLZ-meter" toe.

Als de meter zegt: "Deze lijnen zijn ingewikkeld en toch op elkaar," dan hebben we een echte ontdekking gedaan. Als de meter zegt: "Deze lijnen zijn saai," dan moeten we de correlatie negeren.

Samenvatting in één zin

Dit paper leert ons dat we niet moeten vertrouwen op het feit dat twee lijnen op elkaar lijken, maar dat we eerst moeten vragen: "Zijn deze lijnen zo ingewikkeld dat het onmogelijk is dat ze toevallig op elkaar lijken?" Als het antwoord ja is, hebben we een echte ontdekking gedaan.

Probleemstelling

Het artikel adresseert het hardnekkige probleem van schijnbare correlaties (spurious correlations) in de tijdsreeksanalyse. Vaak worden hoge Pearson-correlaties gevonden tussen fundamenteel ongerelateerde series. Dit komt doordat eenvoudige, laag-complexe patronen (zoals monotone trends, periodieke sequenties of polynomen) overvloedig voorkomen in natuurlijke datasets. Omdat deze patronen "simpel" zijn, is de kans groot dat ze per toeval met elkaar correleren, wat leidt tot valse positieve conclusies over causale relaties. De auteurs stellen dat traditionele statistische tests onvoldoende onderscheid maken tussen echte causale koppelingen en toevallige uitlijning van eenvoudige trends.

Methodologie en Theoretisch Kader

De auteurs introduceren een principieel raamwerk dat Kolmogorov-complexiteit koppelt aan de Hausdorff-dimensie om valse correlaties te filteren.

Kolmogorov-complexiteit ( $K(x)$ ): Dit meet de hoeveelheid informatie die nodig is om een object te beschrijven. Een lage complexiteit betekent dat de data goed te comprimeren is (eenvoudige patronen), terwijl hoge complexiteit wijst op chaos of ruis. Omdat $K(x)$ onberekenbaar is, gebruiken de auteurs benaderingen via datacompressie (Lempel-Ziv, LZ) en spectrale entropie.
Hausdorff-dimensie: Er wordt een brug geslagen tussen de complexiteit van een tijdsreeks en de geometrische "ruwheid" van de attractor waarop de reeks ligt. Volgens de theorie van effectieve Hausdorff-dimensie geldt: $\dim_H \approx \tilde{K}(x)$ $dim_{H} \approx \tilde{K} (x)$ .
- Eenvoudige series (trends, periodiek) liggen op attractoren met een lage dimensie (bijna 0 of 1).
- Complexe series (chaotisch) liggen op attractoren met een hoge dimensie (bijna 2).
Theoretische Bound (Propositie 1): De auteurs bewijzen dat de kans op een schijnbare correlatie tussen twee onafhankelijke series exponentieel afneemt met hun gezamenlijke Kolmogorov-complexiteit. Simpele series bevinden zich in een "dichtbevolkte hoek" van de ruimte van mogelijke sequenties, waardoor toevallige uitlijning waarschijnlijk is. Complexe series "zwerven" over een groot gebied, waardoor toevallige uitlijning geometrisch onwaarschijnlijk is.
Ruis en Complexiteit (Posobin-Shen stelling): De auteurs benadrukken dat meetruis de complexiteit kunstmatig verhoogt. Zelfs een simpel signaal krijgt door ruis een niet-nul complexiteit (een "ruisvloer"). Dit moet worden meegenomen bij het stellen van drempelwaarden.
Nieuwe Indicator ($JLZ$): In plaats van alleen te kijken naar de gelijkenis in complexiteit ($SLZ$), introduceren ze de Joint Lempel-Ziv (JLZ) indicator:
$JLZ(x, y) = \sqrt{\tilde{e}_{CLZ}(x) \cdot \tilde{e}_{CLZ}(y)}$
Deze meet de gezamenlijke hoge complexiteit. Als één van de series simpel is, stort de JLZ in, wat de correlatie als onbetrouwbaar markeert, ongeacht hoe hoog de correlatiecoëfficiënt ( $\rho$ ) is.

Experimenten en Resultaten

De theorie wordt getoetst aan twee complementaire modellen:

1. Gekoppelde Logistische Kaarten (Coupled Logistic Maps)

Setup: Twee logistische kaarten met variërende complexiteit (periodiek bij $r=3.4$ vs. chaotisch bij $r=3.9$ ) en variërende koppelingssterkte ( $\epsilon$ ).
Resultaten:
- Valse Positieven: Onafhankelijke periodieke series ( $r=3.4$ ) vertonen in 100% van de gevallen een schijnbare correlatie ( $|\rho| > 0.3$ ). Onafhankelijke chaotische series ( $r=3.9$ ) vertonen 0% valse correlaties.
- Synchronisatie: De $JLZ$ indicator detecteert een ineenstorting van de individuele complexiteit net voor de synchronisatie-overgang (wanneer de kaarten beginnen te synchroniseren). Dit is een dynamisch fenomeen dat onzichtbaar blijft voor vergelijkings-gebaseerde indicatoren zoals $SLZ$.
- Conclusie: Hoge correlatie tussen complexe series is sterk bewijs voor een echte relatie; hoge correlatie tussen simpele series is waarschijnlijk schijn.

2. Multivariate Fractional Brownian Motion (mfBm)

Setup: Simulatie van fractale Brownse beweging met verschillende Hurst-parameters ( $H$ ). $H$ bepaalt de ruwheid en de theoretische Hausdorff-dimensie ( $\dim_H = 2-H$ ).
Resultaten:
- Er is een directe link tussen lage $H$ (ruw, complex), hoge Hausdorff-dimensie en lage valse-positieve rates.
- Hoge $H$ (glad, trend-achtig) resulteert in hoge valse-positieve rates (25-40%), zelfs bij onafhankelijke series.
- Stationariteit: Niet-stationaire series (geïntegreerde processen) vertonen altijd hoge valse correlaties (Yule-effect), ongeacht de ruwheid. De auteurs bevelen daarom een tweestapsprocedure aan: eerst stationariteit testen (differenceren), en daarna de complexiteitsfilter toepassen.
- Kalibratie: De drempelwaarde voor $JLZ$ wordt gekalibreerd op basis van de mfBm-resultaten. Een drempel van $JLZ > 0.3$ scheidt effectief de betrouwbare correlaties van de schijnbare.

Kernbijdragen

Theoretisch Bewijs: Een formele afleiding dat de kans op schijnbare correlaties exponentieel daalt met de Kolmogorov-complexiteit, gebaseerd op de Solomonoff-prior en effectieve Hausdorff-dimensie.
Nieuwe Indicator ($JLZ$): Introductie van een gezamenlijke complexiteitsindicator die specifiek ontworpen is om valse positieven te onderdrukken door te eisen dat beide series complex zijn.
Praktische Richtlijnen: Een tweestapsprotocol voor data-analisten:
- Stap 1: Zorg voor stationariteit (verwijder trends).
- Stap 2: Rapporteer $\rho$ en $JLZ$. Wees zeer sceptisch over hoge correlaties als $JLZ < 0.3$.
Vroege Waarschuwing: De $JLZ$ kan dynamische overgangen (zoals het instorten van complexiteit voor synchronisatie) detecteren die andere methoden missen.

Betekenis en Toepassing

Het artikel biedt een fundamentele verschuiving in hoe we correlaties interpreteren. Het stelt dat complexiteit een voorwaarde is voor betekenisvolle correlatie.

Voor wetenschappers en data-analisten: Het biedt een rekenkundig goedkope, principieel onderbouwde filter om valse causale claims te voorkomen, zonder dat er zware surrogate-tests nodig zijn (hoewel deze complementair blijven).
Voor de praktijk: Het legt uit waarom correlaties tussen economische trends of populaire namen vaak "nonsense" zijn (lage complexiteit), terwijl correlaties tussen complexe, chaotische systemen (zoals beursvoluties of klimaatdata) meer gewicht in de schaal hebben.
Toekomst: De methode fungeert als een lichtgewicht voorfilter voor zwaardere causale inferentiemethoden (zoals MDL-gebaseerde DAGs).

Kortom, de auteurs tonen aan dat zonder een hoge Kolmogorov-complexiteit, een hoge correlatie statistisch gezien weinig waarde heeft, omdat simpele patronen te vaak per toeval samenvallen.