[論文レビュー] Seasonalities and cycles in time series: A fresh look with computer experiments

Michel Fliess, Cédric Join|arXiv (Cornell University)|Oct 1, 2015

Time Series Analysis and Forecasting参考文献 5被引用数 4

ひとこと要約

本稿では、非標準解析と複数の時間スケールを用いて、時間系列における季節性およびサイクルの検出と抽出のための、モデルフリーな新規手法を提案する。カルティエ＝ペリヌの定理を適用し、フラクチュエーションのしきい値を定義することで、強いつきまたは弱いつきの季節性およびサイクルを明確かつ計算的に単純に検出可能となる。経済、交通、気象などの多様な実世界データを用いた検証が行われた。

ABSTRACT

Recent advances in the understanding of time series permit to clarify seasonalities and cycles, which might be rather obscure in today's literature. A theorem due to P. Cartier and Y. Perrin, which was published only recently, in 1995, and several time scales yield, perhaps for the first time, a clear-cut definition of seasonalities and cycles. Their detection and their extraction, moreover, become easy to implement. Several computer experiments with concrete data from various fields are presented and discussed. The conclusion suggests the application of this approach to the debatable Kondriatev waves.

研究の動機と目的

• 時間系列解析における季節性およびサイクルに関する曖昧さや、厳密な定義の欠如を解消すること。
• 計算的に単純で、モデルフリーなフレームワークを構築し、季節的および周期的成分の検出と抽出を行うこと。
• 多様な実世界データセットを用いたコンピュータ実験を通じて、本手法の有効性を示すこと。
• 本手法が、コンドリャーチェフ波のような議論の余地のある長期経済サイクルへの応用可能性を検討すること。

提案手法

• 無限小のサンプリング間隔を持つ時間系列を定義するために非標準解析を用い、フラクチュエーションの厳密な取り扱いを可能にする。
• カルティエ＝ペリヌの定理を適用し、任意の時間系列をトレンド（平均）とフラクチュエーション成分に分解する。ここで、フラクチュエーションは顕著な区間では無限小である。
• 近似的な周期性を用いて季節性およびサイクルを定義する：ピーク間隔がほぼ一定であれば強いつき、そうでなければ弱いつき。
• 1時間、1日などの複数の時間スケールを導入し、単一スケールでは見えない季節性およびサイクルの検出と抽出を可能にする。
• 固定長（例：20点または30点）の移動平均を用いてトレンドを推定し、残差としてフラクチュエーションを計算する。
• 時間間隔におけるフラクチュエーションの分析を通じて、しきい値に基づく手法を用い、季節的または周期的行動の自動同定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 周期性の仮定やパrametricモデルに依存せずに、時間系列における季節性およびサイクルを厳密に定義する方法は何か？
• RQ2 カルティエ＝ペリヌの定理と非標準解析は、時間系列分解に数学的に整合した基盤を提供できるか？
• RQ3 複数の時間スケールは、実世界データにおける季節的および周期的パターンの検出をどの程度向上できるか？
• RQ4 本手法は、古典的なフーリエ法やARIMA法では見逃されがちな弱いつきまたは非周期的季節性およびサイクルを効果的に同定・抽出できるか？
• RQ5 十分なデータ長が得られる場合、本手法はコンドリャーチェフ波のような議論の余地のある長期経済サイクルへの応用が可能か？

主な発見

• リンゴ、トマト、ラムの消費者物価において、フラクチュエーションしきい値分析を適用した後、明確な周期的パターンが顕在化し、強いつきが検出された。
• フランスの失業統計においても、ピーク間の時間間隔分析により一貫した周期的フラクチュエーションが検出され、明確な季節的パターンが観察された。
• 国際線旅客数データでは、正規化されたフラクチュエーションが強い季節的パターンを示し、フラクチュエーション間の時間間隔が一貫した年間サイクルを示した。
• インターネットトラフィックデータでは、1時間および1日といった複数の時間スケールが、短時間の日周波動パターンと長期的な日次サイクルを分離して検出するために不可欠であり、スケールの多様性の重要性が強調された。
• 本手法により、元の系列をその平均に置き換えることで、フラクチュエーションの除去が可能となり、全ケーススタディで脱季節化が実現された。
• 従来の分解モデル（例：加法的モデル μt + St + Ct + Rt）には数学的根拠が乏しく、本研究が提案するような代替フレームワークの必要性が示唆された。