[論文レビュー] Change Point Estimation in Panel Data with Temporal and Cross-sectional Dependence

Monika Bhattacharjee, Moulinath Banerjee+1 more|arXiv (Cornell University)|Apr 25, 2019

Spatial and Panel Data Analysis参考文献 28被引用数 9

ひとこと要約

本稿は、時系列的および断面的依存性を示す高次元パネルデータにおける共通の変化点を推定するための最小二乗法に基づく手法を提案する。誤差構造は無限次オーダーの移動平均（MA(∞)）でモデル化される。推定器の収束速度および漸近的分布を確立し、信号対雑音比の状態に関する事前知識が不要なデータ駆動型の適応的手続きを導入して、有効な信頼区間を構築する。

ABSTRACT

We study the problem of detecting a common change point in large panel data based on a mean shift model, wherein the errors exhibit both temporal and cross-sectional dependence. A least squares based procedure is used to estimate the location of the change point. Further, we establish the convergence rate and obtain the asymptotic distribution of the least squares estimator. The form of the distribution is determined by the behavior of the norm difference of the means before and after the change point. Since the behavior of this norm difference is, a priori, unknown to the practitioner, we also develop a novel data driven adaptive procedure that provides valid confidence intervals for the common change point, without requiring any such knowledge. Numerical work based on synthetic data illustrates the performance of the estimator in finite samples under different settings of temporal and cross-sectional dependence, sample size and number of panels. Finally, we examine an application to financial stock data and discuss the identified change points.

研究の動機と目的

• 時系列的および断面的依存性を示す高次元パネルデータにおける共通の変化点を特定する課題に対処すること。
• 従来の変化点手法が独立または弱い依存性に限定されていたのを、MA(∞)過程による依存性のモデル化によって拡張すること。
• 一般の依存構造のもとで、最小二乗推定器の収束速度および漸近的分布を導出すること。
• 信号対雑音比の状態に関する事前知識が不要な、自己適応的かつデータ駆動型の手法を用いて、変化点の有効な信頼区間を構築すること。

提案手法

• パネルデータの平均シフトモデルにおいて、すべての系列に共通する断片的変化率をもつ変化点の位置を推定するために最小二乗基準を用いる。
• 時系列的および断面的依存性を捉えるために、高次元かつ相関のあるMA(∞)過程として誤差構造をモデル化する。
• 弱い検出可能性条件および一般の依存性仮定のもとで、最小二乗推定器の収束速度を導出する。
• 変化点推定器の漸近的分布を確立し、これは前断片および後断片の平均ベクトルのL²ノルム差に依存する。
• データに基づいて推定の適切な状態を自動選択する適応的手続きを提案し、信号対雑音比の状態に関する事前知識がなくても有効な信頼区間を構築可能にする。
• ローリングウインドウフレームワークを用いて金融データに適用し、候補となる変化点を特定し、5000回のブートストラップ再標本化を用いて適応的信頼区間を計算する。

実験結果

リサーチクエスチョン

• RQ1 時系列的および断面的依存性の両方が、パネルデータにおける共通の変化点の推定にどのように影響を与えるか。
• RQ2 一般のMA(∞)誤差依存性のもとで、変化点の最小二乗推定器の収束速度は何か。
• RQ3 信号対雑音比が未知で状態依存である場合、変化点推定器の漸近的分布は何か。
• RQ4 信号強度の背後にある状態に関する事前知識がなくても、有効な信頼区間を構築できるデータ駆動型の適応的手続きを開発できるか。
• RQ5 提案手法は、代替手法と比較して、実際の金融データにおける経済的に意味のある変化点をどれほどうまく特定できるか。

主な発見

• 従来の手法よりも弱い検出可能性条件のもとで、最小二乗推定器は $ O_p(n^{-1/2}) $ の収束速度を達成する。$ p $ が $ n $ に対して急速に増加する場合でも同様である。
• 変化点推定器の漸近的分布は、前断片および後断片の平均ベクトルの $ L^2 $-ノルム差に依存し、これが収束の状態を決定する。
• 提案された適応的手続きにより、信号対雑音比の状態に関する事前知識がなくても、$ 95\% $ 信頼区間を有効に構築できた。
• 米国66銘柄の金融時系列データ（2001–2016年）への実応用では、9つの変化点が特定され、いずれも2008年危機、ユーロ圏債務危機、石油価格暴落といった主要な金融イベントと一致した。
• 適応的信頼区間は、既知の市場不安定期をカバーしており、本手法が意味のある構造的変化点を正しく特定できることを裏付けた。
• Cho（2016）の二重CUSUM法と強い一致を示したが、本手法は2009年以降の市場シフト、特に2011–2012年のユーロ圏債務危機および2016年の石油ショックをよりよく捉えていた。