[論文レビュー] Fast change point analysis on the Hurst index of piecewise fractional Brownian motion

Mehdi Fhima, Arnaud Guillin+1 more|arXiv (Cornell University)|Mar 21, 2011

Financial Risk and Volatility Modeling参考文献 13被引用数 4

ひとこと要約

本稿では、新しい推定統計量であるIncrement Bernoulli Statistic (IBS) と FDpV（p値を伴うフィルタード・ドリフト）フレームワークを組み合わせることで、分(piecewise)分数 Browm運動におけるHurst指数の変化点を、線形時間計算量で高速に検出する手法を提案する。この手法により、計算コストを最小限に抑えつつ、大規模データセットにおける長距離自己回帰的依存の構造的変化を効率的に検出できる。

ABSTRACT

In this presentation, we introduce a new method for change point analysis on the Hurst index for a piecewise fractional Brownian motion. We first set the model and the statistical problem. The proposed method is a transposition of the FDpV (Filtered Derivative with p-value) method introduced for the detection of change points on the mean in Bertrand et al. (2011) to the case of changes on the Hurst index. The underlying statistics of the FDpV technology is a new statistic estimator for Hurst index, so-called Increment Bernoulli Statistic (IBS). Both FDpV and IBS are methods with linear time and memory complexity, with respect to the size of the series. Thus the resulting method for change point analysis on Hurst index reaches also a linear complexity.

研究の動機と目的

• 大規模時系列データにおけるHurst指数の変化を検出する課題に対処すること。
• 分(piecewise)分数 Browm運動のHurstパラメータに対する計算効率の高い変化点解析手法を開発すること。
• FDpV手法と新しいHurst指数推定統計量（IBS）を組み合わせ、長距離自己回帰的依存における構造的変化の高速かつロバストな検出を実現すること。
• スケーラビリティを確保するため、線形時間およびメモリ計算量を保証すること。
• 金融および生理時系列における自己同一性プロセスにおける急激な変化を検出する実用的ソリューションを提供すること。

提案手法

• 本手法は、変動比統計量（IRS）の変種に基づく、ロバスト性と効率性を特徴とするHurst指数推定統計量として、Increment Bernoulli Statistic (IBS) を導入する。
• FDpVフレームワークは、サイズAのスライディングウィンドウ上でIBS推定統計量のフィルタード・ドリフトを計算することにより、Hurst指数検出問題に適応する。
• フィルタード・ドリフト関数 D(k,A) は、インデックスkの周囲の左側と右側のスライディングウィンドウにおけるIBS推定値の差として定義され、局所的なHurst指数推定値の乖離を検出可能となる。
• 本手法は2段階の手続きを採用する：まず、D(k,A)の絶対値に閾値を適用して潜在的な変化点を特定し、次に、セグメントごとのHurstパラメータに対するp値ベースの仮説検定により誤検出を除去する。
• IBSおよびフィルタード・ドリフトの再帰的計算により、線形時間およびメモリ計算量を維持するため、大規模データセットに適している。
• 型Iエラーを制御し、誤検出を排除するために、漸近的に臨界値およびp値が導出される。

実験結果

リサーチクエスチョン

• RQ1 分(piecewise)分数 Browm運動におけるHurst指数の変化点を、高速かつスケーラブルな手法で検出可能か？
• RQ2 FDpV手法を、平均や分散の変化ではなくHurstパラメータの変化を検出するためにどのように適応できるか？
• RQ3 SegmentedプロセスにおけるHurst指数のロバストかつ効率的な推定統計量としてのIncrement Bernoulli Statistic (IBS) の性能はいかがなものか？
• RQ4 IBSとFDpVの組み合わせにより、統計的検出力は保たれたまま、線形時間およびメモリ計算量を達成できるか？
• RQ5 2段階手順（検出＋p値フィルタリング）は、真の変化点と誤検出を効果的に区別できるか？

主な発見

• 提案手法であるFDpV + IBSは、24時間分のECGや高頻度金融データなど、大規模データセットに対しても線形時間およびメモリ計算量を達成し、効率的にスケーリング可能である。
• Increment Bernoulli Statistic (IBS) は、Hurst指数のロバストかつ効率的な推定統計量を提供し、変化点検出手順の基盤を形成する。
• フィルタード・ドリフト関数 D(k,A) は、Hurst指数推定値の局所的乖離を強調することで、潜在的な変化点の高速検出を可能にする。
• 2段階手順（初期検出＋p値フィルタリング）は、誤検出を効果的に低減し、統計的に有意な変化点のみを保持する。
• 本手法は、長距離自己回帰的依存の変化がシステム行動の指標となる金融および生理的分野の実世界データに適用可能である。
• シミュレーションおよび理論的分析による妥当性評価を通じて、複数セグメントにまたがるHurstパラメータの急激な変化を強力に検出できることが示された。