Проблема утечки будущей информации при вейвлет-обработке экономических временных рядов /The problem of future information leakage in wavelet processing of economic time series
Аннотация: Статья посвящена методологической проблеме, возникающей при использовании дискретного вейвлет-преобразования для обработки экономических временных рядов в прогнозных задачах. Показано, что стандартные реализации DWT по умолчанию применяют режимы обработки границ, предполагающие доступ к полному временному ряду. Это порождает утечку будущей информации: коэффициенты вблизи границ зависят от наблюдений, которые в реальном прогнозном сценарии ещё не поступили. Игнорирование этого обстоятельства систематически завышает ретроспективные оценки качества моделей и создаёт иллюзию прогностической способности. Цель работы заключается в формализации правила причинной привязки вейвлет-коэффициентов и продемонстрировать последствия его нарушения. Предложено правило, согласно которому каждый коэффициент закрепляется за датой последнего использованного наблюдения. Эмпирическая проверка на синтетических и реальных данных показала, что ретроспективная обработка завышает долю обнаруженных кризисов в 1,3-1,4 раза, а среднюю заблаговременность увеличивает примерно в 2 раза. Установлена зависимость величины утечки от уровня декомпозиции: с ростом J коэффициент завышения увеличивается. Сформулированы практические рекомендации для исследователей, применяющих вейвлет-анализ в экономике.
Ключевые слова: вейвлет-преобразование, утечка будущей информации, причинная привязка, экономические временные ряды, дискретное вейвлет-преобразование, краевые эффекты, прогнозирование, методология
Annontation: The article addresses a methodological problem arising from the use of discrete wavelet transform for processing economic time series in forecasting tasks. It is shown that standard DWT implementations by default employ boundary handling modes that assume access to the full time series. This gives rise to future information leakage: coefficients near the boundaries depend on observations that would not yet be available in a real-time forecasting scenario. Ignoring this circumstance systematically overestimates retrospective model performance and creates an illusion of predictive ability. The aim of the work is to formalize a rule of causal attribution of wavelet coefficients and to demonstrate the consequences of its violation. A rule is proposed whereby each coefficient is assigned to the date of the latest observation used in its calculation. Empirical testing on synthetic and real data showed that retrospective processing inflates the share of detected crises by a factor of 1.3–1.4 and increases average lead time by approximately 2 times. The magnitude of leakage is shown to depend on the decomposition level: as J increases, the inflation factor grows. Practical recommendations are formulated for researchers applying wavelet analysis in economics.
Keywords: wavelet transform, future information leakage, causal attribution, economic time series, discrete wavelet transform, boundary effects, forecasting, methodology
Текст статьи
Подробнее
Скрыть
