[論文レビュー] The gmwm R package: a comprehensive tool for time series analysis from state-space models to robustness

James Balamuta, Roberto Molinari+2 more|arXiv (Cornell University)|Jul 15, 2016

Fault Detection and Control Systems参考文献 5被引用数 5

ひとこと要約

gmwm Rパッケージは、一般化波ウェーブレットモーメント（GMWM）に基づく、計算的に効率的で頑健な時系列解析フレームワークを導入する。波ウェーブレット分散を用いて、ARMAおよび線形状態空間モデルの推定を行う。大規模データセットに対しても高速で安定的かつ頑健なパrameter推定を可能にし、従来の最尤推定（MLE）や間接推定法に比べて速度とスケーラビリティで優れる。

ABSTRACT

The gmwm R package for inference on time series models is mainly based on the quantity called wavelet variance which is derived from a wavelet decomposition of a time series. This quantity provides a means to summarize and graphically represent the features of time series in order to identify possible models. Moreover, it is used as a moment condition for model estimation through the generalized method of wavelet moments. Based on the latter method, this package not only provides an alternative method to estimate classical ARMA models but also delivers a general framework for the robust estimation of many time series models as well as a quick and efficient estimation of many linear state-space models.

研究の動機と目的

• Rにおける時系列モデルの推定に向けた、使いやすく、計算的に効率的で、頑健なツールの不足を補う。
• 古典的なARMAおよび線形状態空間モデルの推定を統合的フレームワークで実現し、数値的安定性を向上させる。
• 外れ値や非ガウス型誤差が存在する場合の時系列モデルに対しても、頑健な推論を可能にする。
• 大規模な時系列解析における計算効率を向上させ、最大1000万観測値までのデータセットをサポートする。
• 最適なモデル同定のための、波ウェーブレット情報量基準（WIC）に基づくモデル選択手順を導入する。

提案手法

• 時系列の離散ウェーブレット変換から得られる波ウェーブレット分散（WV）を、スケールごとの分散分解の要約統計量として用いる。
• WVをモーメント条件として用いる最小距離推定器としての一般化波ウェーブレットモーメント（GMWM）を用いて、パrameter推定を実行する。
• 外れ値や非ガウス型の創発誤差に対応するため、頑健なGMWM（RGMWM）推定を適用する。
• RcppおよびArmadilloを介した効率的なC++実装を統合し、波ウェーブレット分散およびモデル推定の計算を高速化する。
• 単変量および潜在変数構造（例えば、AR(1)過程の和と白 noise）をサポートする。
• モデル選択に波ウェーブレット情報量基準（WIC）を統合し、フィットの良さとモデルの複雑さのバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 波ウェーブレット分散を、時系列モデルの推定において、頑健で効率的なモーメント条件として効果的に活用できるか。
• RQ2 大規模な時系列データに対して、従来の最尤推定法と比較してGMWMフレームワークがどの程度計算効率を向上させるか。
• RQ3 時系列データに汚染や非ガウス型誤差が存在する状況でも、RGMWM推定器が数値的安定性と正確性を維持できるか。
• RQ4 大規模データセットにおける速度とスケーラビリティの観点から、gmwmパッケージの性能は、既存のRパッケージと比べてどの程度優れているか。
• RQ5 波ウェーブレット情報量基準（WIC）は、競合する時系列モデルの中から正しいモデル構造を効果的に同定できるか。

主な発見

• gmwmパッケージのwvar()関数は、waveslimパッケージに比べて最大4倍速く波ウェーブレット分散を計算でき、100万観測値のサンプルサイズで0.7432秒から0.3575秒に短縮された。
• RGMWM推定器は大規模なサンプルに対しても計算が可能であり、1000万観測値の潜在モデルを2.5分未満で推定できる。一方、KUNSCH法は10万観測値を超えると6時間の制限時間を超える。
• GMWMおよびRGMWM推定器は、10万観測値までのサンプルサイズで中央値推定時間が1秒未満となり、MLEや間接推定法を大きく上回る。
• 大規模なサンプルではgmwmの頑健推定により計算時間が約10倍に増加するが、依然として実用的でスケーラブルである。
• 本パッケージは、2つのAR(1)過程と白 noise の和からなる複雑な潜在モデルを、最小限のユーザー作業で高速かつ安定して推定可能である。
• RcppおよびArmadilloによるC++統合により、パフォーマンスが1.5〜4倍向上し、統計的Rパッケージにおける低レベル最適化の価値を示している。