[論文レビュー] Data Segmentation for Time Series Based on a General Moving Sum Approach

Claudia Kirch, Kerstin Reckruehm|arXiv (Cornell University)|Jul 15, 2022

Advanced Statistical Methods and Models被引用数 4

ひとこと要約

本稿では、ポアソン自己回帰など非線形・非ガウス過程を含む複雑なモデルにおいて、複数の変化点を検出できる一般化された移動和（MOSUM）フレームワークを提案する。2つのMOSUM統計量（ワルド統計量とスコア統計量）を導入し、一般推定方程式における変化点推定の一致性と収束速度を証明した。MOSUMスコア法は非線形設定において計算上の利点と頑健性を兼ね備えている。

ABSTRACT

In this paper we propose new methodology for the data segmentation, also known as multiple change point problem, in a general framework including classic mean change scenarios, changes in linear regression but also changes in the time series structure such as in the parameters of Poisson-autoregressive time series. In particular, we derive a general theory based on estimating equations proving consistency for the number of change points as well as rates of convergence for the estimators of the locations of the change points. More precisely, two different types of MOSUM (moving sum) statistics are considered: A MOSUM-Wald statistic based on differences of local estimators and a MOSUM-score statistic based on a global estimator. The latter is usually computationally less involved in particular in non-linear problems where no closed form of the estimator is known such that numerical methods are required. Finally, we evaluate the methodology by means of simulated data as well as using some geophysical well-log data.

研究の動機と目的

• 非線形および非ガウス過程を含む多様なモデルにわたる時系列データにおける複数の変化点を一括して検出する統一フレームワークの構築。
• 一般推定方程式における変化点推定の理論的一貫性と収束速度の確立。
• 計算効率性と頑健性の観点から、MOSUM-WaldとMOSUMスコアの2つのMOSUMベース手法を比較・対比すること。
• シミュレートデータおよび実際の地球物理学的ウェルログデータを用いた実証的検証。
• ポアソン自己回帰モデルやニューラルネットワークベースの回帰といった複雑な設定への応用を可能にすること。

提案手法

• 推定方程式に基づく一般フレームワークを用い、モデルのパラメータを定義し、時系列における構造的変化を検出する。
• 2つのMOSUM統計量を提案：MOSUM-Waldは局所的パラメータ推定値の差に依存し、MOSUMスコアはグローバル推定値に依存する。
• MOSUMスコア手順は1つのグローバル推定値を用いるため、特に数値最適化を要する非線形モデルにおいて計算コストを低減する。
• 高レベルの正則性条件およびモーメント条件の下で、変化点数の一致性と局在化速度の証明がなされた。
• モデルの誤指定に対しても、セグメント間の最良近似パラメータの差を検出することで耐性を発揮する。
• 将来的な精緻化のため、平均変化の文脈で先行研究に基づいた情報量基準による後処理を提案する。

実験結果

リサーチクエスチョン

• RQ1 多様な時系列モデルにわたる一般化されたMOSUMフレームワークは、複数の変化点の数と位置を一貫して推定できるか？
• RQ2 非線形モデルにおける計算コストと局所最適解への感受性という観点から、MOSUM-WaldとMOSUMスコア統計量はどのように比較できるか？
• RQ3 一般推定方程式における変化点推定の理論的収束速度は何か？
• RQ4 モデルの誤指定は、提案手法の検出性能にどのように影響するか？
• RQ5 MOSUMスコア手順は、最小限の計算コストで複数のバンド幅にわたる変化点候補を効果的に生成できるか？

主な発見

• MOSUMスコア統計量は、特に数値最適化を要する非線形モデルにおいて、MOSUM-Waldに比べて著しく低い計算コストで変化点検出の一貫性を達成する。
• MOSUM-Wald手順は、パラメータ空間における複数の局所最適解に敏感であり、ニューラルネットワークのような複雑なモデルでは変化点の誤特定を引き起こす可能性がある。
• MOSUMスコア法は多峰性を持つパラメータ空間に対しても頑健であり、局所推定値が信頼できない場合でも安定した性能を維持する。
• 滑らかな推定関数に対して標準的なモーメント条件の下で、高レベルの仮定のもとで理論的一致性と局在化速度が確立された。
• シミュレートデータおよび地球物理学的ウェルログデータに対する実証的結果から、非ガウス的・非線形的時系列における構造的変化の検出能力が確認された。
• 分散共分散推定器の選択は、特に誤警報率や変化点付近の検出可能性に小標本での影響を及ぼすが、漸近的性質は依然として頑健である。