В статье утверждается, что спектральные индексы, которые измеряют предсказуемость временного ряда на основе его спектра мощности, недостаточны для определения того, улучшит ли добавление контекста (например, более длинные периоды просмотра или механизмы поиска) прогнозирование. Поскольку спектральные индексы инвариантны относительно фазовой рандомизации, а ценность контекста зависит от структуры за пределами второго порядка, эти два понятия отвечают на принципиально разные вопросы.
- Авторы доказывают результат невозможности, показывающий, что любой индекс на основе спектра не может уловить ценность контекста, которая опирается на негауссову структуру, теряемую при фазовой рандомизации.
- Они вводят диагностический инструмент без меток под названием «дефицит покрытия» для измерения структуры за пределами спектра путем сравнения прироста аналогового прогнозирования с линейным прогнозированием.
- Эксперименты на семи бенчмарках показывают, что ценность поиска с оконным ключом падает в парах суррогатов с идентичными спектрами, тогда как спектральные индексы остаются неизменными.
- Ценность базовой модели разделяется на сохраняющуюся часть второго порядка и малую маржу за пределами линейности, которая также исчезает при фазовой рандомизации.
- Член структуры, полученный из диагностического инструмента, предсказывает знак ценности за пределами спектра там, где спектральные индексы не справляются с этой задачей.
Вклад работы обеспечивает контролируемое сравнение и диагностический инструмент, помогающие специалистам принимать решения о развертывании при использовании контекста в прогнозировании временных рядов.