[论文解读] Network Granger Causality with Inherent Grouping Structure

Sumanta Basu, Ali Shojaie+1 more|arXiv (Cornell University)|Oct 13, 2012

Face and Expression Recognition参考文献 33被引用 40

一句话总结

该论文提出了一种群体组套索正则化框架，用于估计具有固有节点分组结构的高维网络格兰杰因果结构，利用面板数据处理短时间序列问题。该方法建立了范数一致性和变量选择一致性，包括一种新颖的方向一致性概念，并引入了阈值化变体以减轻分组误设的影响，具备理论保证和在基因组学与金融学中的实证验证。

ABSTRACT

The problem of estimating high-dimensional network models arises naturally in the analysis of many physical, biological and socio-economic systems. Examples include stock price fluctuations in financial markets and gene regulatory networks representing effects of regulators (transcription factors) on regulated genes in genetics. We aim to learn the structure of the network over time employing the framework of Granger causal models under the assumptions of sparsity of its edges and inherent grouping structure among its nodes. We introduce a thresholded variant of the Group Lasso estimator for discovering Granger causal interactions among the nodes of the network. Asymptotic results on the consistency of the new estimation procedure are developed. The performance of the proposed methodology is assessed through an extensive set of simulation studies and comparisons with existing techniques.

研究动机与目标

• 解决在生物与社会经济系统中，从短时序、非平稳的时间序列面板数据中估计高维有向网络的挑战。
• 将节点间固有的分组结构（如基因家族、金融板块）纳入模型，以提升估计效率与可解释性。
• 提出一种基于群体组套索的正则化方法，用于向量自回归模型，以同时实现稀疏性与分组结构。
• 在一种新颖的方向一致性条件下，建立理论一致性性质——范数一致性和变量选择一致性。
• 提出并分析一种阈值化群体组套索变体，以降低在实际应用中对分组误设的敏感性。

提出的方法

• 使用具有未知滞后阶数 d 和 p 维时间序列的向量自回归（VAR）过程，构建高维网络格兰杰因果模型。
• 对 VAR 系数矩阵应用群体组套索正则化，其中节点的分组结构事先定义（如功能模块、行业板块），以促进组级别的稀疏性。
• 引入一种阈值化群体组套索估计器，若某组系数的范数低于阈值，则将其整体设为零，从而提升对分组误设的鲁棒性。
• 在渐近框架下（n（样本数）和 p（变量数）随固定或较小的 T（时间点数）增长），利用一种专为组稀疏性设计的新型弱不可表示性条件，建立理论一致性。
• 推导估计系数的范数一致性与方向一致性，其中方向一致性通过组级别系数向量的符号模式定义。
• 通过堆叠的方向向量和设计矩阵的谱范数条件，形式化弱不可表示性条件，确保正确的组选择。

实验结果

研究问题

• RQ1 当节点表现出固有分组结构时，群体组套索正则化是否能提升高维网络格兰杰因果结构的估计性能？
• RQ2 在群体正则化网络格兰杰模型中，确保变量选择一致性和范数一致性的理论条件是什么？
• RQ3 与标准群体组套索相比，阈值化群体组套索估计器如何降低对分组误设的敏感性？
• RQ4 在高维面板数据设置下，群体系数的方向一致性在何种条件下成立？
• RQ5 所提出的方法是否能在从短时间序列重建基因调控网络和金融风险网络方面优于现有技术？

主要发现

• 在弱不可表示性条件和设计矩阵的正则性假设下，群体组套索估计器实现了范数一致性。
• 在新颖的方向一致性概念下建立了变量选择一致性，该概念可确保组系数符号模式的正确性。
• 阈值化群体组套索估计器减少了错误的组选择，理论边界表明，被错误选择的组数受稀疏性Oracle不等式控制。
• 理论分析表明，只要应用了阈值化步骤，即使分组结构被误设，群体组套索估计器仍能保持一致性。
• 模拟研究显示，与标准套索和无阈值的群体组套索相比，该方法在边恢复和组选择准确性方面表现更优。
• 在功能基因组学与金融计量学中的实证应用表明，该方法能有效重建具有生物学合理性的基因调控网络和大型银行间的系统性风险结构。