[논문 리뷰] Change Point Estimation in Panel Data with Temporal and Cross-sectional Dependence

Monika Bhattacharjee, Moulinath Banerjee외 1명|arXiv (Cornell University)|2019. 04. 25.

Spatial and Panel Data Analysis참고 문헌 28인용 수 9

한 줄 요약

이 논문은 시간적 및 횡단적 의존성이 존재하는 고차원 패널 데이터에서 공통 변화점 추정을 위한 최소제곱 기반 방법을 제안한다. 오차 구조는 무한차수 이동평균(MA(∞))로 모델링되며, 추정기의 수렴 속도와 점근적 분포를 확립하고, 신호 대 잡음 비율의 사전 지식이 없이도 타당한 신뢰구간을 구성하기 위한 데이터 기반 적응형 절차를 도입한다.

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.

연구 동기 및 목표

• 시간적 및 횡단적 의존성이 존재하는 고차원 패널 데이터에서 공통 변화점을 탐지하는 데 도전하는 것.
• 이전에 독립적 또는 약한 의존성 오차에 국한된 기존 변화점 방법을 확장하기 위해 의존성을 MA(∞) 과정으로 모델링하는 것.
• 일반적인 의존성 구조 하에서 최소제곱 추정기의 수렴 속도와 점근적 분포를 도출하는 것.
• 신호 대 잡음 비율의 사전 지식이 없이도 타당한 변화점에 대한 신뢰구간을 구성하기 위한 자가 적응형, 데이터 기반 절차를 개발하는 것.

제안 방법

• 모든 시리즈에서 동일한 분할 비율을 가진 공통 변화점 위치를 추정하기 위해 최소제곱 기준을 사용한다.
• 시간적 및 횡단적 의존성을 모두 반영하기 위해 오차 구조를 고차원적이고 상호관련된 MA(∞) 과정으로 모델링한다.
• 약한 탐지 가능성 조건과 일반적인 의존성 가정 하에서 최소제곱 추정기의 수렴 속도를 도출한다.
• 변화점 추정기의 점근적 분포를 확립하며, 이는 사전 및 사후 변화점 평균 벡터 간의 L²-노름 차이에 의존한다.
• 데이터 기반으로 적절한 추정 체제를 선택하는 적응형 절차를 제안하여, 신호 대 잡음 비율의 사전 지식 없이도 타당한 신뢰구간을 구성할 수 있도록 한다.
• 금융 데이터에 대해 윈도우를 이동시키는 프레임워크에서 방법을 적용하여 후보 변화점을 식별하고, 5000회의 부트스트랩 반복을 통해 적응형 신뢰구간을 계산한다.

실험 결과

연구 질문

• RQ1 시간적 및 횡단적 의존성이 모두 존재할 경우, 패널 데이터에서 공통 변화점의 추정에 어떤 영향을 미치는가?
• RQ2 일반적인 MA(∞) 오차 의존성 하에서 최소제곱 추정기의 변화점에 대한 수렴 속도는 무엇인가?
• RQ3 신호 대 잡음 비율이 알려져 있지 않고 체제에 따라 달라질 경우, 변화점 추정기의 점근적 분포는 어떻게 되는가?
• RQ4 신호 강도의 배경 지식 없이도 타당한 변화점에 대한 신뢰구간을 구성하기 위한 데이터 기반 적응형 절차를 개발할 수 있는가?
• RQ5 제안된 방법은 다른 방법들과 비교해 실질적인 금융 데이터에서 경제적으로 의미 있는 변화점을 얼마나 잘 탐지하는가?

주요 결과

• 이전 방법보다 더 약한 탐지 가능성 조건 하에서도, $ p $ 가 $ n $ 에 비해 급격히 증가하더라도 최소제곱 추정기는 $ O_p(n^{-1/2}) $ 의 수렴 속도를 달성한다.
• 변화점 추정기의 점근적 분포는 사전 및 사후 변화점 평균 벡터 간의 $ L^2 $-노름 차이에 따라 결정되며, 이는 수렴 체제를 결정한다.
• 제안된 적응형 절차는 신호 대 잡음 비율의 사전 지식 없이도 $ 95\% $ 신뢰구간을 성공적으로 구성한다.
• 미국 66개 주식 금융 데이터(2001–2016)에 대한 실증 적용에서 아홉 개의 변화점이 식별되었으며, 이는 모두 2008년 금융위기, 유럽 부채위기, 원유 가격 폭락과 같은 주요 금융 이벤트와 일치한다.
• 적응형 신뢰구간은 알려진 시장 긴장 기간을 모두 포함하여, 본 방법이 의미 있는 구조적 변화를 탐지하는 데 성공적임을 검증한다.
• Cho(2016)의 이중 CUSUM 방법과의 결과는 강한 일치를 보였지만, 제안된 방법은 2009년 이후의 시장 변화, 특히 2011–2012년 유럽 부채위기와 2016년 원유 쇼크를 더 잘 반영한다.