Кукловод дёргает за нити, и марионетка пляшет. В предсказании будущего по временным рядам роль кукловодов играют немногие переменные, которые действительно управляют системой. Остальные показатели лишь повторяют их движения, создавая видимость сложности. Задача в том, чтобы найти этих кукловодов и следить только за их пальцами, а не за всей сценой.
Но как отличить настоящую причину от случайного совпадения? Классические методы отбора переменных часто хватаются за всё подряд: они включают избыточные показатели, которые коррелируют с целью, но не несут новой информации. Или, наоборот, упускают синергетические комбинации, когда только совместное действие двух переменных даёт прогностическую силу. Авторы статьи предлагают сначала выявить причинных родителей целевой переменной с помощью модифицированного алгоритма PC, а затем перебрать все их подмножества. Поскольку причинных родителей обычно немного, перебор становится выполнимым.
Ключевая идея опирается на теорию информации. Вся предсказательная информация о будущем значении целевой переменной содержится в её причинных родителях. Это следует из марковского свойства: будущее зависит от прошлого только через настоящее состояние. Поэтому, найдя причинных родителей, можно не рассматривать остальные переменные. Для оценки взаимной информации используется метод ближайших соседей с максимальной нормой, который устойчив к высокой размерности.
На синтетических нелинейных процессах метод достигает медианной относительной ошибки, равной нулю, и в 90% реализаций ошибка ниже 0.1. Это существенно лучше, чем у схем на основе взаимной информации или прямого отбора. Для индекса Эль-Ниньо линейная модель на оптимальных предикторах снижает ошибку прогноза на 0.05–0.1 по сравнению с методом ближайших соседей на горизонтах до 5 месяцев.
Раньше было неясно, как найти глобально оптимальный набор предикторов, не перебирая экспоненциально много комбинаций. Теперь понятно, что поиск можно ограничить причинными драйверами, которые выявляются за полиномиальное время. Этот подход применим в климатологии, экономике и других областях, где данные представлены многомерными временными рядами. Кукловоды найдены, и марионетка предсказуема.
Алгоритм PC, лежащий в основе причинного отбора, был предложен в 1991 году и назван по первым буквам имён его создателей: Питера Спиртеса и Кларка Глимора. С тех пор он стал краеугольным камнем каузального вывода, а здесь впервые применён для ускорения оптимального предсказания.
Идея отбора причинных драйверов перекликается с «психоисторией» из цикла Айзека Азимова «Основание», где математики предсказывают будущее общества, выявляя ключевые движущие силы. Вместо галактической империи здесь климатический индекс, но принцип тот же: найти немногие переменные, которые действительно управляют системой.