چگونه بوت‌استرپ بلوکی با پنجره متحرک خودهمبستگی را در سری‌های زمانی حفظ می‌کند

در سپتامبر ۱۹۸۹، هانس کونش، آمارشناس نام‌آشنا، مقاله‌ای در نشریه «The Annals of Statistics» منتشر کرد که نقصی اساسی را در نحوه بازنمونه‌گیری داده‌های وابسته برطرف ساخت. پژوهش او به یک نقطه کور ریاضی پرداخت که برای یک دهه تحلیل سری‌های زمانی را آزار می‌داد. این راه‌حل، شیوه ساخت فواصل اطمینان برای داده‌های همبسته را به شکلی بنیادین دگرگون کرد.[2]

یک دهه پیش از آن، بردلی افرون روش استاندارد بوت‌استرپ را معرفی کرده بود؛ تکنیکی انقلابی برای تخمین واریانس آماره‌ها. روش افرون بر استخراج مشاهدات به‌صورت منفرد، تصادفی و با جایگذاری از مجموعه داده اصلی اتکا داشت. این فرضِ داده‌های مستقل و دارای توزیع یکسان (IID) برای داده‌های مقطعی بی‌نقص کار می‌کرد.[2]

با این حال، داده‌های سری زمانی ذاتاً این فرض استقلال را نقض می‌کنند. مشاهدات متوالی در یک سری زمانی به‌طور طبیعی با گذر زمان به یکدیگر وابسته‌اند، خصیصه‌ای که با نام خودهمبستگی شناخته می‌شود. قیمت امروز سهام، دمای اندازه‌گیری‌شده در این ساعت یا سیگنال حسگرها به‌شدت به مقدار ثبت‌شده در گام قبلی گره خورده است.

وقتی پژوهشگران بوت‌استرپ استاندارد را روی داده‌های سری زمانی پیاده می‌کنند، برهم زدن تصادفی چیدمان، این ساختار زمانی را تکه‌تکه می‌کند. وابستگی میان نقاط مجاور کاملاً محو می‌شود. در نتیجه، نمونه‌های بوت‌استرپ حاصل دیگر قادر به بازتاب نوسان‌پذیری واقعی فرایند زیربنایی نیستند.

این نابودیِ حافظه زمانی پیامدهای ناگواری برای استنباط آماری دارد. مستندات فنی SAS در این باره می‌نویسد: «اگر می‌خواهید خطاهای باقی‌مانده یک سری زمانی را بوت‌استرپ کنید، جابه‌جایی تصادفی آن‌ها نادرست است، زیرا خودهمبستگی را از بین می‌برد.» پیامد مستقیم این اشتباه، کوچک‌تر شدن کاذب خطاهای استاندارد است.[1]

راه‌حل بلوک‌های غیرهم‌پوشان

برای جبران این کم‌برآوردی، متخصصان آمار دریافتند که باید بدون تخریب وابستگی‌های محلی، داده‌ها را بازنمونه‌گیری کنند. نخستین دستاورد بزرگ در سال ۱۹۸۶ توسط ادوارد کارلشتاین رقم خورد. کارلشتاین «بوت‌استرپ بلوکی غیرهم‌پوشان» را معرفی کرد که واحد پایه‌ایِ بازنمونه‌گیری را از داده‌های منفرد به تکه‌های پیوسته تغییر داد.

در این روش، به‌جای بیرون کشیدن مشاهدات منفرد، الگوریتم سری زمانیِ به طول n را به بلوک‌های مجزا و بدون هم‌پوشانی با طول ثابت l تقسیم می‌کند. برای نمونه، اگر پژوهشگری ۱۰۰۰ مشاهده روزانه داشته باشد و طول بلوک را ۵۰ تعیین کند، روش دقیقاً ۲۰ بلوک مجزا ایجاد خواهد کرد.[1]

سپس الگوریتم این بلوک‌های دست‌نخورده را به‌طور تصادفی و با جایگذاری انتخاب می‌کند و در امتداد هم می‌چیند تا یک سری زمانی بازتولیدشده بسازد. چون ترتیب زمانی درون هر بلوک بدون دستکاری باقی می‌ماند، ساختار خودهمبستگی محلی حفظ می‌شود و پیوندها از گزند فرایند نمونه‌گیری در امان می‌مانند.[1]

گرچه رویکرد کارلشتاین گامی بلند به جلو بود، اما ناکارآمدی‌های ساختاری تازه‌ای پدید آورد. مرزهای صلب میان بلوک‌های غیرهم‌پوشان باعث می‌شد که پیوند میان آخرین مشاهده یک بلوک و اولین مشاهده بلوک بعدی همچنان بریده شود.

افزون بر این، روش غیرهم‌پوشان دسترسی الگوریتم به بلوک‌های مختلف را بسیار محدود می‌کرد. در مجموعه‌ای با ۱۰۰۰ مشاهده و طول بلوک ۵۰، تنها ۲۰ بلوک مجزا برای انتخاب وجود دارد. این جامعه کوچک بازنمونه‌گیری، تنوع قابل ثبت توسط بوت‌استرپ را محدود ساخته و دقت تخمین را پایین می‌آورد.[1]

ارتقا به پنجره متحرک

مقاله سال ۱۹۸۹ کونش، در کنار پژوهش مستقل رجینا لیو و کسار سینگ در سال ۱۹۹۲، ارتقای نهایی را با ابداع «بوت‌استرپ بلوکی متحرک» (MBB) ارائه داد. این شیوه به‌جای تکه‌تکه کردن داده‌ها به قطعات سخت و جدا از هم، از یک پنجره لغزان برای ایجاد بلوک‌های هم‌پوشان بهره می‌برد.[2]

در چارچوب پنجره متحرک، بلوک اول شامل مشاهدات ۱ تا l است، بلوک دوم مشاهدات ۲ تا l+1 را در بر می‌گیرد و این روند گام‌به‌گام پیش می‌رود. این راهکار پنجره لغزان، انبوهی از بلوک‌های هم‌پوشان و یکتا را از دل یک سری زمانی منفرد بیرون می‌کشد.[1][2]

برتری ریاضی بلوک‌های هم‌پوشان شگفت‌انگیز است. اگر به همان نمونه ۱۰۰۰ مشاهده‌ای با طول بلوک ۵۰ برگردیم، پنجره متحرک به‌جای ۲۰ بلوک روش پیشین، ۹۵۱ بلوک یکتا برای نمونه‌گیری تولید می‌کند. این گسترش چشمگیر، واریانس تخمین‌گر بوت‌استرپ را به‌شدت کاهش می‌دهد.[1]

مستندات فنی پایگاه MetricGate درباره این اجماع علمی تصریح می‌کند: «روش MBB از تمام بلوک‌های هم‌پوشان استفاده می‌کند و به دلیل واریانس کمتر، عموماً نسبت به NBB ترجیح داده می‌شود.» با بهره‌گیری از هر زنجیره پیوسته ممکن، پنجره متحرک حداکثر اطلاعات ساختاری را از داده‌ها استخراج می‌کند.

هنگامی که این بلوک‌های هم‌پوشان با جایگذاری برداشته شده و به هم متصل می‌شوند، سری زمانی شبیه‌سازی‌شده دقیقاً همان وابستگی موضعی داده‌های اصلی را به همراه دارد. سازوکار پنجره لغزان تضمین می‌کند که هیچ مرزبندی تحمیلی، خودهمبستگیِ ثبت‌شده را مختل نکند.[3]

معمای طول بهینه بلوک

با وجود تمام این توانمندی‌ها، بوت‌استرپ بلوکی متحرک نیازمند انتخابی حساس و چالش‌برانگیز از سوی پژوهشگر است: تعیین طول بهینه بلوک. این پارامتر تنظیمی، توازن میان حفظ وابستگی زمانی و حفظ تصادفی‌سازی کافی در فرایند نمونه‌گیری را مشخص می‌کند.

اگر طول بلوک انتخابی بیش از اندازه کوچک باشد، الگوریتم از ثبت دامنه کامل خودهمبستگی ناتوان می‌ماند. در حالت حدی که طول بلوک برابر با یک باشد، این شیوه به همان بوت‌استرپ استاندارد بازمی‌گردد و ساختار زمانی را کاملاً محو می‌کند.

در مقابل، اگر طول بلوک بسیار بزرگ در نظر گرفته شود، سری بازسازی‌شده شباهت بسیار زیادی به داده‌های اصلی پیدا می‌کند. طول بلوکی که به حجم کل نمونه نزدیک شود، عملاً پویایی تصادفی را سلب می‌کند، واریانس تخمین‌گر را به‌شدت بالا می‌برد و نقض‌غرضِ ایده بوت‌استرپ خواهد بود.

آمارشناسان دهه‌ها وقت صرف تدوین الگوریتم‌های داده‌محور برای انتخاب طول بهینه بلوک کرده‌اند. محاسبات نظری نشان می‌دهد که برای برآورد واریانس میانگین نمونه، طول بهینه بلوک باید متناسب با ریشه سوم حجم نمونه رشد کند؛ امری که مقیاس‌پذیری مناسب اندازه بلوک با بزرگ‌تر شدن داده‌ها را تضمین می‌کند.[2]

در میدان عمل، محققان غالباً بر قواعد سرانگشتی تجربی یا تکنیک‌های اعتبارسنجی متقابل برای تنظیم اندازه پنجره اتکا می‌کنند. هدف، یافتن طول دقیقی است که حافظه زمانی سیستم را بدون فدا کردن تنوع ترکیبیاتی نمونه‌های بازتولیدشده در بر بگیرد.[3]

محاسبه خطای ناشی از فرض استقلال

پیامدهای غفلت از خودهمبستگی و اتکا به بوت‌استرپ کلاسیک مستقل، به‌ویژه در حوزه‌هایی چون امور مالی و اقلیم‌شناسی، سنگین است. وقتی وابستگی زمانی لحاظ نشود، فواصل اطمینان محاسبه‌شده به شکلی گمراه‌کننده باریک می‌شوند و حسی کاذب از دقتِ تحلیل ایجاد می‌کنند.[3]

در یک فرایند خودهمبسته ساده که مقدار امروز به‌شدت با دیروز همبستگی دارد، واریانس واقعی میانگین نمونه بسیار بزرگ‌تر از چیزی است که فرض استقلال تخمین می‌زند. خطای استاندارد با ضریبی متناسب با شدت خودهمبستگی، رشد می‌کند.

مجموعه MetricGate نسبت به خطرات اجرای تکنیک‌های بازنمونه‌گیری نامناسب بر داده‌های متوالی هشدار می‌دهد: «بوت‌استرپ IID برای سری‌های دارای خودهمبستگی نامعتبر است — چرا که با نادیده گرفتن وابستگی زمانی، خطای استاندارد را کمتر از واقع برآورد می‌کند.» این کم‌برآوردی مستقیماً منجر به افزایش خطاهای مثبت کاذب می‌شود و پژوهشگران را به اعلام معناداری آماریِ توخالی وامی‌دارد.

در مدیریت ریسک مالی، این انحراف آماری می‌تواند به بحرانی ویرانگر بینجامد. اگر بانکی برای محاسبه ارزش در معرض ریسک (VaR) از بوت‌استرپ مستقل استفاده کند، احتمال وقوع روزهای متوالیِ نزولی را ناچیز خواهد پنداشت. در حالی که بوت‌استرپ بلوکی متحرک با دست‌نخورده نگه‌داشتن آن توالی‌های پی‌درپی، جلوی این خطای بزرگ را می‌گیرد.[3]

پنجره متحرک با حفظ همبستگی پیاپی درون‌بلوکی، خطاهای استاندارد و فواصل اطمینان معتبری عرضه می‌کند. این سازوکار، مدل آماری را وادار می‌سازد تا این واقعیت ملموس را به رسمیت بشناسد: روزهای بد مالی اغلب پس از روزهای بد می‌آیند، همان‌طور که روزهای گرم سال غالباً پشت سر روزهای داغ ثبت می‌شوند.[4]

فراتر از پنجره‌های ثابت

با آنکه بوت‌استرپ بلوکی متحرک به استاندارد بی‌بدیل این حوزه تبدیل شده، بدون پیچیدگی و خطاهای مرزی نیست. یکی از چالش‌های ملموس آن، پدیده اثر مرزی است؛ جایی که مشاهدات ابتدا و انتهای سری زمانی، در بلوک‌های هم‌پوشان کمتری نسبت به مشاهدات میانی حضور پیدا می‌کنند.[2]

چون پنجره لغزان نمی‌تواند از لبه‌های داده‌ها بیرون بزند، نقاط ابتدایی و انتهایی با شانس کمتری در جامعه نمونه‌گیری حاضر می‌شوند. دیمیتریس پولیتس و جوزف رومانو برای رفع این مسئله در سال ۱۹۹۲ «بوت‌استرپ بلوکی دایره‌ای» را پایه‌گذاری کردند که سری زمانی را روی یک حلقه فرضی و متصل‌به‌هم می‌نشاند.

با پیوند دادن انتهای سری زمانی به ابتدای آن، رویکرد دایره‌ای تضمین می‌کند که تک‌تک مشاهدات دقیقاً در تعداد برابری از بلوک‌ها قرار بگیرند. این شگرد هندسی هوشمندانه، خطای لبه‌ها را برطرف کرده و به هر نقطه از داده، احتمال برابری برای گزینش می‌دهد.

پولیتس و رومانو در سال ۱۹۹۴ این مسیر را با معرفی «بوت‌استرپ مانا» تکمیل کردند. این گونه خاص، به‌جای حفظ طول بلوک ثابت، اندازه بلوک‌ها را به‌صورت تصادفی از یک توزیع هندسی استخراج می‌کند؛ امری که مانایی اکید سری زمانی ساخته‌شده را تضمین می‌نماید، ویژگی مهمی که روش‌های با طول بلوک ثابت از عهده آن برنمی‌آیند.[1]

امروزه خانواده بوت‌استرپ بلوکی ستون فقرات تحلیل ناپارامتریک سری‌های زمانی است. چه در الگوریتم‌های معاملات پربسامد، چه در مدل‌های تغییر اقلیم و چه در پردازش سیگنال حسگرها، این تکنیک‌های مبتنی بر پنجره متحرک امکان کمّی‌سازی عدم قطعیت را بدون پاک کردن حافظه ذاتی سیستم فراهم می‌سازند.[3][4]