Resumo Técnico: Inferência Bayesiana de Esparsidade em Processos Vetoriais Autoregressivos Estáveis

Declaração do Problema

O artigo aborda o desafio de realizar inferência bayesiana em processos vetoriais autoregressivos (VAR) gráficos estáveis onde tanto a esparsidade quanto a estacionariedade são exigidas. Em aplicações de séries temporais de alta dimensão (por exemplo, genética, neurociência, macroeconomia), identificar relações direcionadas (causalidade de Granger) e independência condicional contemporânea é crucial. Essas relações são codificadas nos padrões de esparsidade das matrizes de coeficientes autoregressivos ($\Phi$) e na matriz de precisão do erro ($K = \Sigma^{-1}$).

Embora a esparsidade possa ser induzida por meio de priores padrão (por exemplo, spike-and-slab), impor a estacionariedade é computacionalmente difícil. Um processo VAR é estável se e somente se as raízes de seu polinômio característico estiverem fora do círculo unitário, uma condição que restringe os parâmetros a uma região geométrica complexa e não convexa conhecida como região estacionária ($C_{p,m}$).

• O Conflito: Priores esparsos padrão são definidos no espaço euclidiano não restrito. A truncagem desses priores para $C_{p,m}$ introduz constantes de normalização intratáveis, tornando a inferência posterior duplamente intratável.
• A Consequência: Sem a imposição explícita, a massa posterior frequentemente transborda para fora da região estacionária, particularmente quando o comprimento da série temporal é curto em relação à dimensão ou quando a esparsidade é baixa. Isso leva a variâncias de previsão ilimitadas e desempenho preditivo pobre.

Metodologia

Os autores propõem um novo framework bayesiano que impõe simultaneamente a estacionariedade e induz a esparsidade por meio de expansão de parâmetros e uma estratégia de reparametrização.

1. Reparametrização para Estacionariedade

Para evitar a complexidade geométrica de $C_{p,m}$, os autores introduzem uma variável auxiliar $\nu \in \mathbb{R}^+$ e mapeiam os coeficientes autoregressivos restritos $\Phi$ para um conjunto não restrito de matrizes quadradas $Z = (Z_1, \dots, Z_p)$ e um fator de escala $u$.

• Mapeamento: A transformação é definida como $Z_s = \nu \phi_s$ e $u = \rho(C_\phi)$, onde $\rho(\cdot)$ é o raio espectral e $C_\phi$ é a matriz companheira.
• Mapeamento Inverso: Os coeficientes originais são recuperados via $\phi_s = u Z_s / \rho(C_z)^s$, onde $C_z$ é a matriz companheira de $Z$.
• Propriedade Chave: Esta bijeção preserva zeros: $z_{s,ij} = 0$ se e somente se $\phi_{s,ij} = 0$ (para elementos fora da diagonal). Isso permite que a esparsidade seja induzida no espaço não restrito $Z$, enquanto garante que o $\Phi$ resultante esteja dentro da região estacionária.

2. Especificação do Prior

• Coeficientes Autoregressivos ($\Phi$): Um prior spike-and-slab é colocado sobre as matrizes não restritas $Z$.
  • Os elementos fora da diagonal $z_{s,ij}$ ($i \neq j$) são modelados como $z_{s,ij} = \gamma_{s,ij} \tilde{z}_{s,ij}$, onde $\gamma_{s,ij}$ é um indicador binário e $\tilde{z}_{s,ij}$ é um tamanho de efeito contínuo.
  • O slab é uma distribuição normal, e o spike é um átomo em zero (ou uma normal estreita).
  • Hiperparâmetros controlam a probabilidade de mistura e a contração.
• Matriz de Precisão do Erro ($K$): Uma mistura de distribuições G-Wishart é utilizada.
  • O prior é especificado como $\pi(G_2, K) = \pi(G_2)\pi(K|G_2)$, onde $G_2$ é o grafo não direcionado de dependências contemporâneas e $K|G_2 \sim W_{G_2}(d, D)$.
  • Esta abordagem, comum em modelos gráficos gaussianos, permite $K$ esparsa enquanto mantém a conjugação com a verossimilhança gaussiana, embora a constante de normalização seja tratada por meio de algoritmos de troca.

3. Inferência Computacional (MCMC)

Os autores desenvolvem um algoritmo Metropolis-no-Gibbs para amostrar a posteriori conjunta:

1. Parâmetros Contínuos ($\theta_{1,c}$): O vetor contendo as partes contínuas de $Z$, o fator de escala $u$ e os hiperparâmetros é amostrado usando o Amostrador Sem Retorno (NUTS). Este método baseado em gradientes é essencial para navegar na dependência posterior complexa induzida pela reparametrização.
2. Indicadores Discretos ($\theta_{1,d}$): Os indicadores binários para esparsidade em $Z$ são atualizados via varredura sistemática usando suas distribuições de Bernoulli condicionais completas.
3. Grafo e Matriz de Precisão ($\theta_2$): O grafo não direcionado $G_2$ e a matriz de precisão $K$ são amostrados usando o algoritmo de determinação de modelo gráfico (Wang e Li, 2012), que emprega um algoritmo de troca para contornar a constante de normalização intratável do G-Wishart.

Resultados Principais

Experimentos de Simulação

Os autores conduziram simulações extensas variando o comprimento da série temporal ($n$), a dimensão ($m$), a ordem ($p$) e os níveis de esparsidade ($r$).

• Identificação de Esparsidade: A imposição da estacionariedade reduziu significativamente as taxas de classificação errônea para indicadores de esparsidade, particularmente quando a esparsidade verdadeira era baixa ($r=0.1$) ou moderada ($r=0.5$). Sem restrições de estacionariedade, a posterior frequentemente falhava em identificar os padrões de zero corretos, levando a altas distâncias de Hamming entre os grafos verdadeiro e estimado.
• Violação de Estacionariedade: Em análises onde a estacionariedade não foi imposta, 10% das simulações resultaram em distribuições posteriores onde até 16% da massa estava fora da região estacionária, confirmando o risco de variância ilimitada em modelos não restritos.
• Comparação: O método proposto superou tanto VARs esparsos bayesianos não restritos quanto estimadores de verossimilhança regularizados baseados em Lasso, particularmente em regimes de alta dimensão e baixa amostra.

Aplicações do Mundo Real

1. Dados Macroeconômicos dos EUA:
   • Configuração: Um modelo VAR(4) sobre 20 variáveis (incluindo PIB, IPC e Taxa de Fundos Federais) de 1959 a 2007.
   • Descoberta: O prior proposto (esparso + estacionário) produziu o melhor desempenho preditivo fora da amostra em todos os horizontes ($h=1, 2, 4, 8$).
   • Insight: Modelos que não impuseram estacionariedade produziram variâncias de previsão ilimitadas. O modelo estacionário esparso identificou um forte ciclo de retroalimentação entre o Índice de Preços ao Consumidor (IPC) e a Taxa de Fundos Federais, consistente com a teoria econômica.
2. Neurociência (Conectividade Cerebral):
   • Configuração: Análise de dados de EEG intracraniano (iEEG) de pacientes com epilepsia, focando na potência de banda nas frequências beta e delta.
   • Descoberta: O modelo revelou padrões distintos de conectividade direcionada. Na banda beta, houve uma probabilidade posterior significativamente maior para arestas direcionadas da esquerda para a direita (LR) em comparação com outras direções.
   • Insight: Essa assimetria direcional alinha-se com o histórico clínico onde as crises do paciente se originaram no hemisfério esquerdo (amígdala/hipocampo) e foram resolvidas após a ressecção do lobo temporal esquerdo. Os resultados sugerem que a atividade cerebral interictal (não convulsiva) contém informações sobre a rede funcional que gera as crises.

Significado e Alegações

O artigo alega fornecer a primeira metodologia para construir um prior para coeficientes vetoriais autoregressivos que simultaneamente restringe a inferência à região estacionária e permite esparsidade no espaço de parâmetros.

• Contribuição Teórica: O trabalho resolve a tensão entre a complexidade geométrica da região estacionária e a necessidade de estimação esparsa de parâmetros, introduzindo uma bijeção que preserva zeros via expansão de parâmetros.
• Impacto Prático: Os autores demonstram que impor estacionariedade não é meramente uma restrição teórica, mas uma necessidade prática para melhorar a precisão preditiva e a interpretabilidade científica, especialmente em configurações de alta dimensão onde os dados são limitados.
• Modéstia: Os autores observam que, embora sua abordagem seja computacionalmente mais intensiva do que métodos não restritos (devido à variável auxiliar e à amostragem NUTS), o custo é justificado pela garantia de estacionariedade e pela melhoria resultante na qualidade da inferência. Eles também reconhecem que o método poderia ser adaptado a outros espaços com restrições semelhantes a normas (por exemplo, o simplex).

O artigo conclui que ignorar a estacionariedade em VARs gráficos pode levar a erros inferenciais graves e que o framework proposto oferece uma solução robusta para aprender estruturas causais em sistemas dinâmicos estáveis.