本記事は、パワースペクトルに基づいて時系列の予測可能性を測定するスペクトル指数が、より長い過去視や検索メカニズムなどのコンテキストを追加することで予測が改善されるかどうかを決定するには不十分であると主張している。スペクトル指数は位相のランダム化に対して不変である一方、コンテキストの価値は二次以上の構造に依存するため、これら2つの概念は根本的に異なる問いに対応している。

  • 著者らは、位相のランダム化によって失われる非ガウス構造に依存するコンテキストの価値を、スペクトルベースの指数が捉えられないことを示す不可能性結果を証明した。
  • 彼らは、アナログ予測の利得と線形予測を比較することでスペクトル外の構造を測定する「カバレッジデフィシト」と呼ばれるラベルなし診断手法を導入した。
  • 7つのベンチマークでの実験により、窓キー付き検索の価値が同じスペクトルを持つサロゲート対間で崩壊する一方で、スペクトル指数は変化しないことが示された。
  • ファウンデーションモデルの価値は、残存する二次の部分と位相ランダム化の下でも崩壊する小さな線形超えの余剰部分に分割される。
  • 診断手法から導出された構造項は、スペクトル指数が失敗するところにおいて、スペクトル外の価値の符号を予測する。

この寄与は、時系列予測におけるコンテキスト使用に関するデプロイメント判断を下す実践者を支援するための制御された比較と診断ツールを提供する。