Resumo Técnico: ACOPULA – Inferência de Cópulas Arquimedianas via AD em Modo Taylor

Declaração do Problema

O artigo aborda três limitações críticas nas ferramentas existentes para ajuste de cópiulas arquimedeanas aninhadas, uma classe de modelos essencial para capturar dependência hierárquica em análises de sobrevivência, finanças e cenários de risco clínico:

1. Censura por Variável: As ferramentas existentes geralmente lidam apenas com problemas bivariados, tempos de censura compartilhados ou casos de baixa dimensão ($d \le 10$). Elas falham em acomodar máscaras de censura à direita arbitrárias $\delta \in \{0, 1\}^d$, onde diferentes variáveis em uma única observação podem ser censuradas independentemente. Isso é comum em dados de UTI (por exemplo, MIMIC-IV), onde medições laboratoriais são censuradas na alta em momentos diferentes.
2. Aninhamento e Geradores Arbitrários: Implementações atuais (por exemplo, o pacote copula do R) dependem de tabelas de números de Stirling derivadas manualmente para um conjunto fixo de cinco geradores clássicos e suportam apenas duas camadas de aninhamento. Elas não conseguem lidar com estruturas de árvore arbitrárias, aninhamento de famílias mistas ou geradores definidos pelo usuário (como cópiulas arquimedeanas neurais).
3. Gradientes Exatos de Parâmetros: O ajuste de modelos de alta dimensão sem diferenciação automática exata força a dependência de métodos livres de derivadas, diferenças finitas ou aproximações de Monte Carlo (por exemplo, Estimativa de Máxima Verossimilhança Simulada, SMLE). Essas abordagens sofrem de escalabilidade pobre, viés ou alta variância, particularmente à medida que a dimensionalidade aumenta.

O obstáculo matemático central é que a verossimilhança para uma cópula aninhada com censura requer a avaliação de uma derivada parcial mista da função de distribuição acumulada (FDA) da cópula. Para uma árvore de geradores compostos, isso envolve o cálculo de polinômios de Bell parciais de derivadas de alta ordem de composições de geradores. Métodos existentes ou codificam esses polinômios para famílias específicas ou recorrem a enumeração combinatória que escala exponencialmente.

Metodologia: ACOPULA

Os autores apresentam o ACOPULA, um framework nativo do JAX que resolve essas barreiras por meio de Diferenciação Automática (AD) em Modo Taylor e potenciação polinomial.

Algoritmo Central

O framework calcula a densidade da cópula aninhada e seus gradientes por meio de uma recursão de baixo para cima que substitui tabelas de polinômios de Bell derivadas manualmente por um único cálculo diferenciável:

1. AD em Modo Taylor (Propagação de Jatos): Em vez de chamadas aninhadas de AD de primeira ordem (que escalam como $O(2^n)$), o framework usa AD em modo Taylor para calcular o vetor de derivadas de alta ordem (jatos) de cada composição de gerador $h = \psi^{-1}_{outer} \circ \psi_{inner}$ em uma única passagem direta. Isso produz os coeficientes da expansão em série de Taylor da composição da aresta.
2. Potenciação Polinomial para Polinômios de Bell: Os polinômios de Bell parciais $B_{n,k}$ exigidos pela fórmula de densidade de Hofert e Pham [2013] são calculados elevando o vetor de coeficientes de Taylor a potências sucessivas via convolução truncada.
   • Seja $p(\epsilon)$ a função geradora exponencial das derivadas da aresta.
   • O coeficiente de $\epsilon^n$ em $p(\epsilon)^k$ é proporcional a $B_{n,k}$.
   • Ao convoluir iterativamente o vetor de Taylor consigo mesmo, o framework recupera todos os valores necessários de polinômios de Bell sem enumeração combinatória ou tabelas por família.
3. Tratamento de Censura: A censura é tratada como uma operação de primeira classe. Uma folha censurada inicializa seu vetor de contribuição como $\alpha = [1]$ (a identidade para produtos de Cauchy), enquanto uma folha não censurada usa $\alpha = [0, 1]$. Este mecanismo reduz automaticamente a dimensão efetiva das etapas de potenciação polinomial e produto de Cauchy em cada nó ancestral, permitindo que o algoritmo lide com máscaras de censura arbitrárias $\delta$ sem recompilação.
4. Estabilidade Numérica: Para evitar subfluxo/sobrefluxo em altas dimensões (por exemplo, $d=98$), a implementação opera no domínio logarítmico usando aritmética log-soma-exp com sinal e redimensionamento por índice. Para pares de geradores sem inversos de forma fechada, ela resolve equações implícitas usando gradientes do teorema da função implícita para evitar cancelamento catastrófico.

Complexidade

• Pior caso: $O(d^3)$ para árvores de profundidade fixa.
• Otimizado: $O(d^2)$ para árvores decompostas em $\sqrt{d}$ (onde cada subárvore não raiz tem no máximo $O(\sqrt{d})$ folhas não censuradas).
• O framework escala quadraticamente na prática para topologias equilibradas, alcançando dimensões de até $d=8.000$.

Contribuições Principais

1. Inferência Agnóstica à Família: O framework deriva densidades e gradientes exatos automaticamente para qualquer gerador definido pelo usuário (clássico ou neural), removendo a necessidade de fórmulas derivadas manualmente.
2. Censura por Variável: Suporta máscaras de censura por observação arbitrárias diretamente na recorrência central, superando as restrições bivariadas ou de tempo compartilhado de ferramentas anteriores.
3. Escalabilidade: Alcança escalabilidade $O(d^2)$ para árvores equilibradas, validada empiricamente até $d=8.000$, e fornece um aumento de velocidade de $\sim 650\times$ em relação ao nacLL do R em $d=35$.
4. Implementação de Código Aberto: O ACOPULA é lançado como um pacote JAX com uma API simples para densidade de cópula aninhada, gradientes e diagnósticos de validade.
5. Amostragem: Como subproduto, o framework permite amostragem prática de distribuição condicional (amostragem de Rosenblatt) para essas cópulas, anteriormente bloqueada pela dificuldade de calcular derivadas de alta ordem.

Resultados Experimentais

Os autores validam o ACOPULA por meio de simulações extensas e quatro experimentos com dados reais:

• Correção: Recuperação de parâmetros em cópulas de Clayton aninhadas simuladas ($d \in \{10, 20, 50\}$) mostra viés $< 2,7\%$ e erros padrão empíricos correspondentes aos erros padrão observados de Fisher. Os valores de densidade concordam com o nacLL do R em $< 10^{-14}$ e derivadas simbólicas do Mathematica até $d=60$.
• MIMIC-IV ($d=53$): Ajuste de cópulas arquimedeanas aninhadas em 85.229 admissões em UTI com censura por variável. Tanto famílias clássicas (Clayton, Frank, Gumbel) quanto cópiulas arquimedeanas aninhadas neurais (ACNet, Gen-AC) foram ajustadas com sucesso. Geradores neurais superaram os clássicos, com o ACNet alcançando a melhor verossimilhança negativa de log (NLL) de retenção com apenas 70 parâmetros.
• S&P 500 ($d=98$): Ajuste de um modelo hierárquico de 11 setores em retornos diários. Esta dimensão está além do alcance do nacLL do R (que aborta após $d=40$). O modelo Gumbel aninhado capturou dependência de cauda no nível setorial consistente com dados empíricos.
• Estudo de Retinopatia: Demonstrou estimativa de máxima verossimilhança (MLE) censurada agnóstica à família em dez famílias arquimedeanas, cinco das quais não tinham implementação censurada prévia.
• Reprodução do HACSurv: O framework reproduziu exatamente os resultados do pipeline de cópula neural HACSurv no conjunto de dados Framingham, validando a maquinaria de densidade contra um solver iterativo de teorema da função inversa.

Significado

O artigo afirma que o ACOPULA unifica a inferência de cópulas arquimedeanas aninhadas sob um único pipeline diferenciável. Ao substituir fatias restritas e codificadas manualmente por famílias arbitrárias, profundidades de aninhamento arbitrárias e derivadas parciais mistas de alta dimensão, ele reduz a barreira para profissionais em sobrevivência, finanças e confiabilidade construírem modelos de dependência expressivos, interpretáveis e conscientes da censura. O trabalho permite inferência de verossimilhança exata em regimes onde ferramentas anteriores dependiam de aproximações enviesadas ou falhavam completamente devido à dimensionalidade.