[論文レビュー] A practical guide to measuring the Hurst parameter

Richard G. Clegg|ArXiv.org|Oct 25, 2006

Complex Systems and Time Series Analysis参考文献 17被引用数 144

ひとこと要約

本稿は、時系列データにおけるハーストパラメータ H の測定について、実用的でアクセスしやすいガイドを提供する。人工的および実際の通信データを用いて、R/S、集約分散、周期図、ウェーブレット、局所ウィットルの5つの推定手法を評価している。各推定手法の性能に顕著な差が認められ、信頼区間はしばしば信頼できないことが判明し、フィルタリング手法による改善効果も限定的である。長距離自己相似性の検出において、単一の推定手法に依存するのではなく注意を要する。

ABSTRACT

This paper describes, in detail, techniques for measuring the Hurst parameter. Measurements are given on artificial data both in a raw form and corrupted in various ways to check the robustness of the tools in question. Measurements are also given on real data, both new data sets and well-studied data sets. All data and tools used are freely available for download along with simple ``recipes'' which any researcher can follow to replicate these measurements.

研究の動機と目的

• 研究者が時系列データにおけるハーストパラメータ H を測定するための明確で実用的なガイドを提供すること。
• ノイズや非定常性を含むさまざまなデータ状態下での、H 推定手法の頑健性および正確性を評価すること。
• 推定手法から得られる信頼区間がしばしば信頼できないこと、表面的な解釈に注意を要することを示すこと。
• フィルタリング手法（対数変換、トレンド除去、多項式フィッティング）が、実世界のデータにおける推定手法の性能に与える影響を評価すること。
• 一貫性のない結果を示す可能性があるため、研究者が単一の手法に過度に依存するのを避けるよう、複数の推定手法を併用するよう促すこと。

提案手法

• 主に5つの推定手法を用いる：リスケール範囲（R/S）、集約分散、周期図回帰、ウェーブレットベース推定、局所ウィットル推定。
• ノイズ（ガウス分布、正弦波、短距離自己相関）を制御した人工データにこれらの手法を適用し、頑健性をテストする。
• 時系列データ（Bellcoreの到着間隔および10msあたりのバイト数）をセグメントに分割し、一貫性のある分析を実施する。
• 対数変換、トレンド除去、多項式フィッティングなどのフィルタリング手法を適用し、推定精度への影響を評価する。
• 信頼区間を報告し、推定手法およびフィルタリング手法間での値の整合性を比較して、一貫性を評価する。
• すべてのデータ、コード、および「レシピ」を再現性を確保するための専用ウェブサイトで無料公開する。

実験結果

リサーチクエスチョン

• RQ1 ノイズのない人工的データ（既知の H 値を有する）に対して、ハーストパラメータの異なる推定手法はどのように性能を発揮するか？
• RQ2 ガウス分布、正弦波、短距離自己相関などのさまざまな種類のノイズは、H 推定手法の正確性にどのように影響するか？
• RQ3 非定常な実データに対して、対数変換、トレンド除去、多項式フィッティングなどのフィルタリング手法は、H 推定にどの程度改善をもたらすか？
• RQ4 実際の通信時系列データに対して複数の推定手法を適用した場合、H の推定値はどの程度整合的か？
• RQ5 ウェーブレットや局所ウィットル推定による信頼区間は、実際の状況において信頼できるものか？

主な発見

• R/S推定手法は、H > 0.85 の場合に一貫して H を低く推定し、高 H の人工的データでは性能が著しく劣る。
• Bellcoreの到着間隔データでは、H の推定値は 0.65 から 0.81 の間であり、0.75 < H < 0.85 の範囲に一時的な推定が得られたが、R/Sは低く推定している。
• 10msあたりのバイト数データでは、ウェーブレットおよび局所ウィットル推定手法により H ≈ 0.82 が得られたが、R/Sおよび周期図手法では低めの値が得られたため、推定手法間の不一致が顕著である。
• 対数変換、トレンド除去、多項式フィッティングなどのフィルタリング手法は、推定結果にほとんど影響を与えず、わずかに分散が減少する程度にとどまる。
• ウェーブレットおよび局所ウィットル推定手法の信頼区間は、しばしば信頼できないため、表面的な解釈に注意を要する。
• どの単一の推定手法も、すべてのデータタイプにおいて一貫性や信頼性を示すことはなく、複数の推定手法による検証の重要性が強調される。