[論文レビュー] Detecting Nonlinearity in Data with Long Coherence Times

James Theiler, Paul S. Linsay+1 more|ArXiv.org|Feb 26, 1993

Complex Systems and Time Series Analysis参考文献 1被引用数 49

ひとこと要約

この論文は、時系列データにおける長時間の自己相関時間（coherence time）が、標準的なサーロー補間データおよび予測子比較法を用いた非線形性の誤検出を引き起こす可能性があることを特定している。著者らは、解析的および数値的に、近い単位根を持つARMAモデルのような長時間自己相関を持つ線形過程が非線形的挙動を模倣できることを示し、これにより一般的な非線形性検定の信頼性が損なわれることを警告している。このような信号を、カオスや非線形ダイナミクスの証拠と解釈すべきではない。

ABSTRACT

We consider the limitations of two techniques for detecting nonlinearity in time series. The first technique compares the original time series to an ensemble of surrogate time series that are constructed to mimic the linear properties of the original. The second technique compares the forecasting error of linear and nonlinear predictors. Both techniques are found to be problematic when the data has a long coherence time; they tend to indicate nonlinearity even for linear time series. We investigate the causes of these difficulties both analytically and with numerical experiments on ``real'' and computer-generated data. In particular, although we do see some initial evidence for nonlinear structure in the SFI dataset E, we are inclined to dismiss this evidence as an artifact of the long coherence time.

研究の動機と目的

• この論文は、長時間自己相関を持つ時系列に標準的な非線形性検出手法を適用した場合に、なぜ失敗するのかを調査する。
• 線形過程が長時間自己相関を持つ場合、標準的な検定で誤った非線形的兆候を生じることが同定される。
• 長時間自己相関の条件下でのサーロー補間データおよび予測子比較法の限界を明確にすることを目的とする。
• 著者らは、長時間自己相関によって生じるアーティファクトと真の非線形性を区別するための実用的ガイドラインを提供することを目的としている。
• 現実世界の有限でノイズが混在し、自己相関を持つ測定データにおける非線形時系列解析の信頼性を向上させることを目的としている。

提案手法

• 著者らは、サーロー補間データ生成法と線形対非線形予測子比較法という2つの非線形性検出手法を比較した。
• サーロー補間データは、2つのアプローチ（フーリエ変換ベース法と反復振幅補正フーリエ変換（IAFT）法）を用いて生成された。
• 研究は、合成データおよび実世界のデータセット（SFIコンペティションデータセットE.datを含む）を用いて評価された。
• 時系列の自己相関構造を分析し、自己相関時間の影響と統計的検定への影響を評価した。
• 数値実験により、長時間自己相関を持つ線形過程をシミュレートし、標準的な非線形性検出プロトコルでの性能をテストした。
• 自己相関の包絡線をプロットし、相関の時間的減衰を評価することで、自己相関の程度を定量化した。

実験結果

リサーチクエスチョン

• RQ1 なぜ標準的な非線形性検出手法が、長時間自己相関を持つ線形時系列を誤って非線形と特定してしまうのか？
• RQ2 サーロー補間データ生成法は、長時間自己相関を持つ時系列の線形的性質をどの程度正確に保持できないのか？
• RQ3 長時間自己相関を持つ線形過程が、標準的な検定で統計的に有意な非線形的兆候を生じる可能性はあるか？
• RQ4 自己相関時間のしきい値（例：データ長の5％）の選択が、非線形性検出の信頼性にどのように影響するか？
• RQ5 現実世界の時系列において、長時間自己相関によって生じるアーティファクトと真の非線形性を区別するための基準は何か？

主な発見

• 近い単位根を持つARMA(2,2)モデルのような、長時間自己相関を持つ線形時系列は、標準的な非線形性検定で誤った非線形的兆候を生じる。
• 特にIAFT法を用いたサーロー補間データ生成法は、長時間自己相関を持つ時系列の線形的性質を正確に再現できず、誤った非線形性検出を引き起こす。
• 長時間自己相関を持つ線形過程の自己相関関数は緩やかに減衰し、データ長と同程度の時間スケールで有意なまま残ることが多く、標準的検定の定常性仮定を破る。
• SFIデータセットE.datは顕著な非線形性を示しているが、これは真の非線形ダイナミクスではなく、長時間自己相関時間の影響によるアーティファクトである可能性が高い。
• 自己相関時間がデータ長の顕著な割合を占める場合、非線形性検出は信頼できないことが判明した。特に、T > 0.1N で自己相関が0.05以上に保たれる場合に顕著である。
• 著者らは、長時間自己相関時間が、サーロー補間データ法および予測子比較法の両方を欺き、純粋な線形過程に対しても非線形性を示唆させる可能性があると結論づけた。