[논문 리뷰] Poisson QMLE for change-point detection in general integer-valued time series models

Mamadou Lamine Diop, William Kengne|arXiv (Cornell University)|2020. 07. 27.

Advanced Statistical Process Monitoring참고 문헌 31인용 수 7

한 줄 요약

이 논문은 일반적인 정수값을 가지는 시간열 모델에서 변화점(structural change-points)을 탐지하기 위한 포아송 준최대우도추정기법(Poisson quasi-maximum likelihood estimator, PQMLE) 기반의 방법을 제안한다. 이는 후행적(retrospective) 및 순차적(sequential) 프레임워크 모두에 적용 가능하다. 귀무가설(변화 없음) 하에서 검정 통계량은 브라운 운동으로부터 유도된 분포로 수렴하고, 대립가설 하에서는 무한대 방향으로 발산하여, 두 설정 모두에서 탐지 절차의 일致성(consistency)을 보장한다.

ABSTRACT

We consider together the retrospective and the sequential change-point detection in a general class of integer-valued time series. The conditional mean of the process depends on a parameter $\ heta^*$ which may change over time. We propose procedures which are based on the Poisson quasi-maximum likelihood estimator of the parameter, and where the updated estimator is computed without the historical observations in the sequential framework. For both the retrospective and the sequential detection, the test statistics converge to some distributions obtained from the standard Brownian motion under the null hypothesis of no change and diverge to infinity under the alternative; that is, these procedures are consistent. Some results of simulations as well as real data application are provided.

연구 동기 및 목표

• 조건부 평균이 시간에 따라 변화하는 매개변수에 의존하는 일반적인 정수값 시간열 모델에 대해 일관된 변화점 탐지 절차를 개발하는 것.
• 조건부 분포에 대한 제한적인 파rametric 가정 없이, 반감성(semiparametric) 설정 하에서 후행적 및 순차적 탐지 프레임워크를 모두 다루는 것.
• 약한 정규성 조건 하에서 포아송 준최대우도추정기법(PQMLE)을 활용하여 제안된 방법이 일관성을 유지하도록 보장하는 것.
• 기존의 역사적 관측값을 재사용하지 않고 추정기를 갱신함으로써 순차적 설정에서 탐지 지연를 줄이고 효율성을 향상시키는 것.

제안 방법

• 관측기반 정수값 시간열 모델에서 모수 θ*를 추정하기 위해 포아송 준최대우도추정기법(PQMLE)을 사용한다.
• 후행적 탐지에서는 데이터의 다양한 세그먼트에 대해 PQMLE 기반 검정 통계량을 구성하고, 변화 없음(null hypothesis) 하에서의 점근적 분포를 도출한다.
• 순차적 프레임워크에서는 이전의 역사적 자료를 재사용하지 않고 추정기를 순차적으로 갱신함으로써 실시간 변화점 탐지가 가능해지며, 탐지 지연 성능이 향상된다.
• 검정 통계량은 스케일링 함수 b(s)를 통해 정규화되며, 귀무가설 하에서 표준 브라운 운동의 기능들로 수렴하는 것을 보였다.
• 절차는 약한 의존성과 조건부 평균 함수 fθ에 대한 리프시츠 유형의 정규성 조건에 기반하여, PQMLE의 점근적 안정성을 보장한다.
• 마팅게일 중심극한정리와 크라머-월드 장치(Cramèr-Wold device)를 활용한 점근적 이론을 수립하여, 귀무가설 하에서는 수렴 분포를, 대립가설 하에서는 무한대 방향으로 발산함을 증명하였다.

실험 결과

연구 질문

• RQ1 조건부 분포에 대한 완전한 지식이 없이도 PQMLE 기반 접근법이 일반적인 정수값 시간열에서 변화점을 일관되게 탐지할 수 있는가?
• RQ2 변화 없음의 귀무가설 하에서 후행적 탐지 절차의 성능은 어떻게 되며, 그 점근적 분포는 무엇인가?
• RQ3 변화점이 존재할 경우 순차적 탐지 절차의 점근적 행동은 어떻게 되며, 대립가설 하에서 어떻게 무한대로 발산함을 보장하는가?
• RQ4 기존의 역사적 관측값을 추정기 갱신에서 배제함으로써 순차적 탐지에서 탐지 지연를 개선할 수 있는가?

주요 결과

• 후행적 및 순차적 탐지 모두에서 귀무가설(변화 없음) 하에서 검정 통계량이 표준 브라운 운동의 기능들로 수렴하는 것을 확인하였다.
• 대립가설(즉, 변화점 존재 시) 하에서는 검정 통계량이 거의 확실히 무한대로 발산하여, 탐지 절차의 일관성을 보장한다.
• 기존의 역사적 관측값을 사용하지 않고 PQMLE를 갱신하는 순차적 탐지 방법은 탐지 지연를 개선하며, δ ∈ (1/2, 1) 일 때 정리 4.3에 의해 수식화되었다.
• 검정 통계량의 점근적 분포는 크라머-월드 장치와 마팅게일 중심극한정리를 활용하여 도출되었으며, 이는 fθ에 대한 약한 의존성과 매끄러움 조건에 기반한다.
• 모형 오류가 있을 경우에도 강건성을 보이며, 진정한 분포가 포아송 분포가 아니더라도 약한 정규성 조건 하에서 PQMLE는 여전히 일관성을 유지한다.
• 시뮬레이션 결과와 실데이터 응용 사례를 통해 제안된 방법의 실증적 타당성과 실용적 유용성이 확인되었다.