Resumo Técnico: Deixar uma Janela de Fora (LWO) para Inferência Preditiva em Séries Temporais

Declaração do Problema

Os métodos de previsão conformal fornecem inferência preditiva rigorosa (intervalos de previsão válidos) sob a suposição de trocabilidade dos dados e preditores sem memória. No entanto, essas suposições são frequentemente violadas em contextos de séries temporais devido à dependência temporal e à necessidade de utilizar preditores baseados em memória (que utilizam observações passadas para prever valores futuros).

Embora trabalhos recentes tenham demonstrado que a previsão conformal dividida é robusta a essas violações, ela sofre de um "imposto de divisão": a partição dos dados em conjuntos de treinamento e calibração reduz o tamanho efetivo da amostra, levando a intervalos de previsão mais amplos e menor eficiência estatística, particularmente em regimes com escassez de dados.

Por outro lado, os métodos leave-one-out (jackknife) utilizam o conjunto de dados completo, oferecendo maior eficiência estatística. Contudo, a validade teórica do jackknife padrão depende da trocabilidade. Este artigo investiga se o jackknife padrão permanece confiável sob dependência temporal. Através de experimentos numéricos em processos de média móvel (MA), os autores demonstram que o jackknife padrão pode sofrer perda arbitrária de cobertura (subcobertura severa) mesmo em modelos de séries temporais simples com dependência leve. Isso ocorre porque a calibração leave-one-out cria uma assimetria: os pontos de teste proxy no conjunto de treinamento possuem informação "bidirecional" (passado e futuro), enquanto o ponto de teste real no final da sequência possui apenas informação "unidirecional" (passado), levando a intervalos mal calibrados.

Metodologia: Deixar uma Janela de Fora (LWO)

Para remediar a falha do jackknife padrão, mantendo sua eficiência de dados, os autores propõem o método Deixar uma Janela de Fora (LWO).

Mecanismo Central

O método LWO modifica o procedimento padrão de calibração jackknife para levar em conta a dependência temporal:

1. Treinamento com uma Lacuna: Para cada índice $k$ no conjunto de treinamento, o preditor $\hat{f}_k$ é treinado não apenas removendo o $k$-ésimo ponto, mas removendo uma janela de pontos de dados do índice $k$ até $\min\{k+\tau, n\}$, onde $\tau$ é um hiperparâmetro que representa o tamanho da janela.
2. Cálculo da Pontuação: A pontuação de conformidade $s_k$ é computada no $k$-ésimo ponto usando o preditor treinado nos dados restantes (que inclui um componente de "pré-janela" e um componente de "pós-janela").
3. Conjunto de Previsão: O conjunto de previsão final para o ponto de teste $X_{n+1}$ é construído centrando-se no preditor treinado em todos os $n$ pontos e inflando-o pelo quantil $(1-\alpha)$ das pontuações de leave-out com janela.

Estrutura Teórica

A validade do LWO é estabelecida através de uma nova estrutura teórica baseada na trocabilidade cíclica:

• Embutimento Cíclico: Os autores introduzem o conceito de embutir uma série temporal dependente em uma sequência mais longa e ciclicamente trocável. Eles definem o coeficiente de embutimento cíclico ($\rho_\tau$) para quantificar a distância entre a série temporal real e a sequência ciclicamente trocável mais próxima.
• Suposições de Estabilidade: As provas dependem de uma condição de estabilidade fora da amostra (OOS). Especificamente, o par da função de pontuação de conformidade e do algoritmo de treinamento deve ser estável quando um bloco aleatório de dados de treinamento é mascarado (removido). Isso é mais fraco que a estabilidade uniforme, mas suficiente para os limites propostos.
• Condições de Mistura: Os autores relacionam o coeficiente de embutimento cíclico a medidas padrão de dependência, como coeficientes de mistura $\beta$ e coeficientes de mistura condicional $\beta$. Eles mostram que, para processos de mistura (incluindo aqueles aproximadamente markovianos), o coeficiente de embutimento cíclico é pequeno se o tamanho da janela $\tau$ exceder o alcance efetivo da dependência.

Contribuições Principais

1. Identificação da Falha do Jackknife: O artigo demonstra rigorosamente que o jackknife padrão falha em fornecer cobertura válida em contextos de séries temporais devido à assimetria entre os pontos proxy de treinamento e o ponto de teste, mesmo sob dependência leve.
2. Proposta do LWO: Um novo método, o LWO, é introduzido, que modifica o princípio leave-one-out removendo uma janela de dados futuros em relação ao ponto de teste proxy. Isso restaura a estrutura de informação das pontuações de calibração para corresponder ao ponto de teste.
3. Garantias Teóricas:
   • Teorema 1 e 2: Limites de cobertura para amostras finitas são derivados para o LWO. Esses limites dependem do coeficiente de embutimento cíclico e dos parâmetros de estabilidade fora da amostra.
   • Corolários: Os limites são especializados para processos de mistura (Corolário 1 para processos aproximadamente markovianos; Corolário 2 para processos de mistura gerais), mostrando que cobertura válida é alcançável se o tamanho da janela $\tau$ for escolhido adequadamente em relação ao tempo de mistura.
4. Novos Coeficientes: O artigo introduz o coeficiente de embutimento cíclico e utiliza coeficientes de comutação (adaptados de Barber e Pananjady, 2026) para medir desvios da trocabilidade em um contexto cíclico.

Resultados Experimentais

Os autores avaliam o LWO em comparação com a Previsão Conformal Dividida (Split CP) e o Jackknife Padrão (JK) em conjuntos de dados sintéticos e do mundo real:

• Dados Sintéticos (Processo MA(1)): Em processos de média móvel multidimensionais, o jackknife padrão sofre subcobertura severa (frequentemente caindo abaixo de 70% de cobertura para um alvo de 90%), especialmente em dimensões mais altas. A Split CP mantém a cobertura nominal, mas produz intervalos de previsão significativamente mais amplos. O LWO alcança cobertura próxima ao nível nominal (comparável à Split CP) enquanto produz regiões de previsão substancialmente mais estreitas (mais eficientes).
• Dados Reais (Tráfego e Energia Solar): Em benchmarks de séries temporais do mundo real, o LWO mantém consistentemente uma cobertura próxima à nominal em vários preditores base (Ridge, KNN, MLP, Árvores de Decisão, Regressão por Kernel). Em contraste, o jackknife padrão falha em cobrir para combinações específicas de preditor-dados (por exemplo, KNN em dados de Energia Solar). O LWO evita a perda de eficiência da Split CP enquanto se protege contra a subcobertura do jackknife padrão.

Significado e Alegações

O artigo afirma que o LWO oferece uma solução principiante para o trade-off entre validade e eficiência na inferência preditiva para séries temporais.

• Validade: Diferentemente do jackknife padrão, o LWO fornece garantias de cobertura aproximada prováveis sob suposições naturais de dependência (mistura) e condições de estabilidade.
• Eficiência: Diferentemente da previsão conformal dividida, o LWO utiliza todo o conjunto de dados para treinamento, resultando em intervalos de previsão mais estreitos.
• Avance Conceitual: O trabalho introduz uma nova perspectiva para analisar dados dependentes embutindo-os em sequências ciclicamente trocáveis, fornecendo uma ferramenta distribucional (o coeficiente de embutimento cíclico) que conecta a dependência de séries temporais à validade conformal.

Os autores permanecem modestos quanto a questões em aberto, observando que suas garantias dependem de suposições de estabilidade fora da amostra (que são satisfeitas por muitos algoritmos padrão, como regressão ridge e KNN, mas não por todos). Eles também reconhecem que, embora a teoria sugira que $\tau$ deve exceder o alcance da dependência, um método totalmente orientado por dados para selecionar $\tau$ com garantias válidas de cobertura permanece um problema em aberto.