A Critical Study of Usefulness of Selected Functional Classifiers in Economics

W artykule przeprowadzono krytyczną analizę najbardziej znanych klasyfikatorów dla danych funkcjonalnych. Ponadto zaproponowano nowy klasyfikator dla danych funkcjonalnych. Przedyskutowano pewne, związane z odpornością, własności rozważanych klasyfikatorów. Wypracowane w artykule podejście może zostać użyte do przewidywania stanu gospodarki na podstawie indeksu mierzącego optymizm konsumentów – CCI (Consumer Confidence Index) oraz indeksu odzwierciedlającego optymizm w sektorze przemysłowym – IPI (Industrial Price Index), przy czym wykorzystuje się nie tylko skalarne wartości indeksu, lecz także całą trajektorię/kształt funkcji opisującej dany indeks. W związku z tym nasze rozważania mogą być pomocne w skonstruowaniu lepszego barometru stanu gospodarki. O ile wiadomo autorom, jest to pierwsze porównanie klasyfikatorów dla danych funkcjonalnych ze względu na kryterium ich użyteczności aplikacyjnej w ekonomii. Głównym celem artykułu jest zaprezentowanie, jak mała frakcja obserwacji nietypowych w próbce uczącej, będących liniowo niezależnymi z próbką uczącą, która z kolei składa się z funkcji prawie liniowo zależnych, jest w stanie poważnie zaburzyć wyniki klasyfikacji dla wszystkich rozpatrywanych klasyfikatorów.

In this paper we conduct a critical analysis of the most popular functional classifiers. Moreover, we propose a new classifier for functional data. Some robustness properties of the functional classifiers are discussed as well. We can use an approach worked out in this paper to predict the expected state of the economy from aggregated Consumer Confidence Index (CCI, measuring consumers optimism) and Industrial Price Index (IPI, reflecting a degree of optimism in industry sector) exploiting not only scalar values of the indices but also the trajectories/shapes of functions describing the indices. Thus our considerations may be helpful in constructing a better economic barometer. As far as we know, this is the first comparison of functional classifiers with respect to a criterion of their usefulness in economic applications. The main result of the paper is a presentation of how a small fraction of outliers in a training sample, which are linearly independent from the training sample, consisting of almost linearly dependent functions, corrupt all analysed classifiers.