[논문 리뷰] Detecting multiple change-points in general causal time series using penalized quasi-likelihood

Jean‐Marc Bardet, William Kengne외 1명|arXiv (Cornell University)|2010. 07. 31.

Statistical Methods and Inference참고 문헌 24인용 수 4

한 줄 요약

이 논문은 일반적인 인과적 시간열 모델, 즉 AR(∞), ARCH(∞), TARCH(∞) 모델을 포함하여 다중 변화점 검출을 위한 정규화된 준우도법을 제안한다. 리프시츠 조건과 모멘트 차수 r ≥ 2 하에서 추정기는 일致하며, r ≥ 4일 경우 i.i.d. 설정에서와 동일한 수렴 속도를 확보하여 이러한 모델에 대해 기존 방법에 비해 크게 향상된다.

ABSTRACT

This paper is devoted to the off-line multiple change-point detection in a semiparametric framework. The time series is supposed to belong to a large class of models including AR($\\infty$), ARCH($\\infty$), TARCH($\\infty$),... models where the coefficients change at each instant of breaks. The different unknown parameters (number of changes, change dates and parameters of successive models) are estimated using a penalized contrast built on conditional quasi-likelihood. Under Lipshitzian conditions on the model, the consistency of the estimator is proved when the moment order $r$ of the process satisfies $r\\geq 2$. If $r\\geq 4$, the same convergence rates for the estimators than in the case of independent random variables are obtained. The particular cases of AR($\\infty$), ARCH($\\infty$) and TARCH($\\infty$) show that our method notably improves the existing results.

연구 동기 및 목표

• 일致한 오프라인 방법을 개발하여 광범위한 인과적 시간열 모델 클래스에서 다중 변화점을 검출하는 것.
• i.i.d.가 아니며 종속적인 시간열, 특히 AR(∞), ARCH(∞), TARCH(∞)와 같은 무한차수 모델로 변화점 검출을 확장하는 것.
• 최소한의 모멘트 및 정규성 조건 하에서 변화점의 수, 위치, 모형 파라미터에 대한 이론적 일치성과 최적 수렴 속도를 확립하는 것.
• 모멘트 차수 r ≥ 4일 경우 i.i.d. 설정에서의 수렴 속도를 달성함으로써 기존 방법을 향상시키는 것.

제안 방법

• 조건부 준우도 기반의 정규화된 대비를 사용하여 변화점, 모형 파rameter 및 변화 수를 추정한다.
• 비정규 잔차 하에서 우도를 근사하기 위해 준최대우도추정법(QMLE)을 적용하며, GARCH 유사 모형에서의 渐近적 성질을 활용한다.
• 추정기의 규칙성과 안정성을 확보하기 위해 모형 함수 M과 f에 대해 리프시츠 조건을 부과한다.
• 모형 적합도와 복잡도의 균형을 맞추기 위해 정규화된 우도 기준을 사용하여 다중 변화점 검출에서 과적합을 방지한다.
• 테일러 전개와 마팅게일 유사 추론을 활용하여 진짜 변화점 주변에서 추정기의 점근적 행동을 분석한다.
• 진짜 모형 파rameter 하에서 스코어 함수와 피셔 정보 행렬을 분석하여 파라미터 추정기의 일치성과 점근적 정규성을 확립한다.

실험 결과

연구 질문

• RQ1 무한차수의 의존성을 가진 일반적인 인과적 시간열 모델에서 정규화된 준우도법이 다중 변화점을 일치적으로 추정할 수 있는가?
• RQ2 모멘트 조건 r ≥ 2 및 r ≥ 4 하에서 추정된 변화점과 모형 파라미터의 수렴 속도는 무엇인가?
• RQ3 모멘트 차수 r ≥ 4일 경우, 이 방법이 i.i.d. 설정에서와 동일한 수렴 속도를 달성하는가?
• RQ4 AR(∞), ARCH(∞), TARCH(∞)와 같은 특정 모형에 대해 기존 접근법과 비교해 이 방법은 어떻게 성능을 발휘하는가?
• RQ5 어떤 정규성 및 모멘트 조건 하에서 정규화된 준우도 추정기가 일치하고 점근적으로 정규적인가?

주요 결과

• 리프시츠 조건과 모멘트 차수 r ≥ 2 하에서 정규화된 준우도 추정기는 변화점의 수, 위치, 모형 파라미터에 대해 일치한다.
• 모멘트 차수 r ≥ 4를 만족할 경우, 추정기의 수렴 속도가 i.i.d. 표본에서 확보된 것과 동일하여 최적 효율성을 달성한다.
• AR(∞), ARCH(∞), TARCH(∞) 모형에 대해 기존의 변화점 검출 기법에 비해 이론적·실용적 성능이 향상된다.
• 중앙극한정리 추론을 통해 파라미터 추정기의 점근적 분포는 피셔 정보 행렬의 역행렬과 장기 분산을 포함하는 분산-공분산 행렬을 가진 정규분포임을 입증하였다.
• 추정된 변화점 위치와 진짜 위치 간의 차이는 거의 확실히 oP(log n) 속도로 0으로 수렴하여 정확한 국소화를 보장한다.
• 세그먼트 내의 stationarity나 세그먼트 간의 독립성 요구 없이도 적용 가능하므로 더 현실적인 시간열 모형에 적용 가능하다.