[論文レビュー] Order-Constrained Spectral Causality in Multivariate Time Series

Adriel Dominguez|arXiv (Cornell University)|Jan 3, 2026

Functional Brain Connectivity Studies被引用数 0

ひとこと要約

演算子理論的枠組みを用いた multivariate time series の方向因果性を、二次依存性の秩序制約付きスペクトル不変性に基づいて導入し、局所的予測性を超えて集団的・非線形の方向性効果を捉える。

ABSTRACT

We introduce an operator-theoretic framework for causal analysis in multivariate time series based on order-constrained spectral non-invariance. Directional influence is defined as sensitivity of second-order dependence operators to admissible, order-preserving temporal deformations of a designated source component, yielding an intrinsically multivariate causal notion summarized through orthogonally invariant spectral functionals. Under linear Gaussian assumptions, the criterion coincides with linear Granger causality, while beyond this regime it captures collective and nonlinear directional dependence not reflected in pairwise predictability. We establish existence, uniform consistency, and valid inference for the resulting non-smooth supremum--infimum statistics using shift-based randomization that exploits order-induced group invariance, yielding finite-sample exactness under exact invariance and asymptotic validity under weak dependence without parametric assumptions. Simulations demonstrate correct size and strong power against distributed and bulk-dominated alternatives, including nonlinear dependence missed by linear Granger tests with appropriate feature embeddings. An empirical application to a high-dimensional panel of daily financial return series spanning major asset classes illustrates system-level causal monitoring in practice. Directional organization is episodic and stress-dependent, causal propagation strengthens while remaining multi-channel, dominant causal hubs reallocate rapidly, and statistically robust transmission channels are sparse and horizon-heterogeneous even when aggregate lead--lag asymmetry is weak. The framework provides a scalable and interpretable complement to correlation-, factor-, and pairwise Granger-style analyses for complex systems.

研究の動機と目的

• 影響が局所的なエッジよりもモード全体に分布する高次元時系列における因果分析を motivational にする。
• 可用な時系列変形に対する感度によって因果性を定義する秩序制約付き、 不変性ベースの枠組みを開発する。
• 線形ガウス設定を超えて情報を保つスペクトル-関数的アプローチを提供する。
• 仮想モデルを用いず、弱依存性の下で有限サンプル有効性を持つ統計推定手続きを確立する。
• 高次元の金融データへの適用性を示し、系全体の因果モニタリングを行う。

提案手法

• 指定されたソース成分の可���な、秩序保持な時系列変形を定義する。
• 有向コヒーレンス演算子の直交不変スペクトル汎関数で二次依存性を要約する。
• 変形に対するこれらのスペクトル要約の不変性の非一致性（sup–inf の変形集合上の分散）と因果性を関連付ける。
• 線形ガウス VAR(p) 仮定の下では線形 Granger 因果性と同値であり、そうでない場合には潜在的に逸脱を示す。
• スカラー的スペクトル要約から全スペクトル分布への拡張を行い、全体の依存変化を捉える。
• 秩序起因の不変性を利用したシフトベースのランダム化推定を用い、有限サンプルの妥当性を持つ非パラメトリック推定を提案する。

実験結果

リサーチクエスチョン

• RQ1 因果性は可用な秩序保持の時系列変形に対する二次依存性幾何の不変性の非一致として定義できるのか。
• RQ2 提案する秩序制約付きスペクトル因果性は線形 Granger 因果性とどの条件で一致し、いつ追加の方向構造を明らかにするのか。
• RQ3 全スペクトル分布へ拡張することで、分布的または非線形の方向依存性の検出はどのように改善されるのか。
• RQ4 非滑らかな supremum–infimum 統計量の統計的性質と妥当な推定手順は何か。
• RQ5 高次元の金融時系列に対してこの枠組みはスケーラブルで解釈可能か。

主な発見

• この枠組みは、ソース成分の秩序保持変形に対する二次依存性の感度として方向性影響を定義する。
• Gaussian VAR(p) の仮定下では基準は線形 Granger 因果性と同値であり、この枠組みはその領域外では Granger テストが見逃す非線形または分布的な方向依存性を検出する。
• 全スペクトル分布への拡張は、エッジ効果だけでなく依存の大規模再分布を検出可能にする。
• 秩序不変性を利用したシフト型ランダム化を用いる非滑らかな supremum–infimum 統計量の存在性、一様一貫性、妥当な推定が確立されている。
• シミュレーションは、エッジ優位および大規模優位の代替仮説の下で、非線形依存を含むサイズと検出力の両方が正しいことを示す。
• 高次元の金融パネルへの実証的適用は、稀少で頑健な伝送チャネルを伴う系全体の方向性組織をエピソード的、ストレス駆動で示す。