[논문 리뷰] Nonparametric and adaptive modeling of dynamic seasonality and trend with heteroscedastic and dependent errors

Yu‐Chun Chen, Ming−Yen Cheng외 1명|arXiv (Cornell University)|2012. 10. 17.

Genetic and phenotypic traits in livestock참고 문헌 48인용 수 6

한 줄 요약

이 논문은 비모수적 모델을 제안하며, 동적 주기성, 시간에 따라 변화하는 주기성, 이질적이고 종속적인 오차를 포함한 복잡한 실세계 시계열에서 정확한 분해를 가능하게 하는 동기화분해변환(Synchrosqueezing Transform, SST)을 사용한다. 이 방법은 비모수적 가정 하에 이론적 식별 가능성과 강건성을 확보하여, 최소한의 모수적 제약 조건으로도 정확한 분해를 가능하게 한다.

ABSTRACT

Seasonality (or periodicity) and trend are features describing an observed sequence, and extracting these features is an important issue in many scientific fields. However, it is not an easy task for existing methods to analyze simultaneously the trend and {\it dynamics} of the seasonality such as time-varying frequency and amplitude, and the {\it adaptivity} of the analysis to such dynamics and robustness to heteroscedastic, dependent errors is not guaranteed. These tasks become even more challenging when there exist multiple seasonal components. We propose a nonparametric model to describe the dynamics of multi-component seasonality, and investigate the recently developed Synchrosqueezing transform (SST) in extracting these features in the presence of a trend and heteroscedastic, dependent errors. The identifiability problem of the nonparametric seasonality model is studied, and the adaptivity and robustness properties of the SST are theoretically justified in both discrete- and continuous-time settings. Consequently we have a new technique for de-coupling the trend, seasonality and heteroscedastic, dependent error process in a general nonparametric setup. Results of a series of simulations are provided, and the incidence time series of varicella and herpes zoster in Taiwan and respiratory signals observed from a sleep study are analyzed.

연구 동기 및 목표

• 고정된 계절 주기를 가정하고 비정상적 동역학에 민감한 기존 모수적 모델의 한계를 해결하기 위해.
• 시간에 따라 변화하는 주파수와 진폭을 갖는 다중 계절성 성분을 모델링할 수 있는 비모수적 프레임워크를 개발하기 위해.
• 이질적이고 종속적인 오차, 특히 국소적 폭발이 존재할 경우에도 강건성과 적응성을 확보하기 위해.
• 제한된 도함수 조건 하에서 비모수적 계절성 모델의 식별 가능성을 이론적으로 정당화하기 위해.
• 비모수적이고 비정상적인 시계열에서 추세, 계절성, 오차 과정을 위한 일반적인 분해 방법을 제공하기 위해.

제안 방법

• 각 계절성 성분이 유한 도함수를 갖는 시간에 따라 변화하는 진폭과 주파수를 갖는 비모수적 모델을 도입한다.
• 신호에서 즉각적 주파수와 진폭을 추출하기 위해 동기화분해변환(Synchrosqueezing Transform, SST)을 적용한다.
• 이질적이고 종속적인 오차 하에서 SST의 적응성과 강건성을 보장하기 위해 이산 및 연속 시간 이론적 프레임워크를 활용한다.
• 비모수적 계절성 표현의 식별 가능성을 확보하기 위해 모델 편향을 제어한다.
• SST 기반 신호 분리 기법을 통해 관측된 시계열을 추세, 다중 계절성 성분, 오차 과정으로 분해한다.
• 시뮬레이션과 수두/헤르페스 제라스 감염률 및 수면 호흡 신호와 같은 실세계 데이터를 통해 성능을 검증한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 주파수와 진폭을 갖는 다중 성분 계절성은 비모수적 모델로 정확하게 표현될 수 있는가?
• RQ2 이질적이고 종속적인 오차가 존재할 경우 동기화분해변환(SST)은 시계열 분해에서 강건한가?
• RQ3 데이터에 국소적 폭발이 존재할 경우 이 방법의 성능은 어떠한가?
• RQ4 특히 비정규 분포의 착오 항이 존재할 경우, 모델은 진정된 계절성 동역학과 잡음을 효과적으로 구분할 수 있는가?
• RQ5 유한 도함수 제약 조건 하에서 비모수적 계절성 모델의 이론적 식별 가능성 보장 조건은 무엇인가?

주요 결과

• 비모수적 계절성 모델은 통제된 모델 편향까지 식별 가능하며, 이러한 모델에 대한 이론적 정당화를 처음으로 제공한다.
• SST 기반 분해는 낮은 재구성 오차를 달성한다: 표준 노이즈 조건 하에서 계절성 성분의 RRASE는 0.16 이하이다.
• 국소적 폭발이 존재하더라도 SST는 안정적인 시간-주파수 표현을 유지하며, 추세 및 계절성 성분 추정치를 유지하지만, 오차 과정 추정치는 열화된다.
• 실세계 데이터에서 시간에 따라 변화하는 주파수와 진폭을 성공적으로 추출하였으며, 예를 들어 호흡 신호 주파수와 수면 단계 간의 상관관계를 확인하였다.
• 수두 및 헤르페스 제라스 감염률 데이터에서 백신 접종 이후 계절성 동역학의 변화를 모델이 드러내어 공중보건 정책적 통찰을 뒷받침하였다.
• 분해의 평균 계산 시간은 각 실현당 10초 이내로, 실용적 타당성을 입증하였다.