销量和价格都可能一路上涨，但真正值得报警的，也许不是它们各自变了，而是两者突然不再按原来的方式联动。Kang 与 Seo 研究的正是这种变点检测——寻找数据规律突变的时刻，同时允许每个变量自己的分布持续漂移。
他们先把数值换成“秩”，也就是只保留相对次序，借此减少量纲和边际漂移的干扰；再用量子互信息（QMI，一种衡量变量间依赖强弱的统计量）比较切分点前后的联动。计算只需累加小矩阵，不做密度估计、矩阵求逆，也没有需要调节的参数。论文作者称，在500次重复实验中，面对没有相关性却存在非线性依赖的变化，只要任一方法能够检出，QMI的检出率至少高出对照方法15个百分点；边际分布漂移时，它的误报率仍接近设定水平，而经验 copula 统计量最高达到0.87。结果目前来自作者实验，实际监控中的稳定性仍待更多数据验证。