[논문 리뷰] Testing for Structural Breaks via Ordinal Pattern Dependence

Alexander Schnurr, Herold Dehling|arXiv (Cornell University)|2015. 01. 01.

Complex Systems and Time Series Analysis참고 문헌 16인용 수 2

한 줄 요약

이 논문은 두 개의 시간열 간의 의존성에서의 구조적 변화를 검출하기 위한 강건하고 비모수적 방법을 제안한다. 이 방법은 순서 패턴 의존성에 기반하며, 연속적인 데이터 포인트의 순서 구조(순열을 통한 순위)를 분석함으로써 두차원 모멘트를 가정하지 않고 비선형적이고 단조적인 의존성을 포착한다. 주요 기여는 이러한 의존성에서의 구조적 변화를 위한 공식적인 가설 검정을 제공하는 것으로, 이 검정은 渐近적으로 브라운 운동의 기능적 형태로 수렴함을 증명하였다. 응용 분야로는 금융 및 생의학 데이터가 있다.

ABSTRACT

We propose new concepts in order to analyze and model the dependence structure between two time series. Our methods rely exclusively on the order structure of the data points. Hence, the methods are stable under monotone transformations of the time series and robust against small perturbations or measurement errors. Ordinal pattern dependence can be characterized by four parameters. We propose estimators for these parameters, and we calculate their asymptotic distributions. Furthermore, we derive a test for structural breaks within the dependence structure. All results are supplemented by simulation studies and empirical examples. For three consecutive data points attaining different values, there are six possibilities how their values can be ordered. These possibilities are called ordinal patterns. Our first idea is simply to count the number of coincidences of patterns in both time series, and to compare this with the expected number in the case of independence. If we detect a lot of coincident patterns, this means that the up-and-down behavior is similar. Hence, our concept can be seen as a way to measure non-linear `correlation'. We show in the last section, how to generalize the concept in order to capture various other kinds of dependence.

연구 동기 및 목표

• 두 시간열 간의 의존성 구조 변화를 탐지하기 위한 비모수적이고 강건한 방법을 개발하는 것.
• 두차원 모멘트가 필요 없이 비선형적이고 단조적인 의존성을 모델링하기 위해 순서 패턴 의존성을 확장하는 것.
• 핵심 의존성 매개변수(p, q, r, s)에 대한 일致 추정량과 渐近 분포를 제공하는 것.
• 순서 패턴 의존성 구조에서의 구조적 변화를 위한 공식적인 통계적 검정을 구성하는 것.
• 시뮬레이션 연구와 실제 금융 데이터 사례를 통해 방법의 적용 가능성을 입증하는 것.

제안 방법

• 각 시간열에서 h+1개의 연속된 데이터 포인트의 순위 순열로 순서 패턴을 정의한다.
• 두 시리즈가 동일한 순서 패턴을 보일 확률 p를 통해 정의적 의존성을 측정한다.
• 한 시리즈가 다른 시리즈의 역전(반사) 패턴을 보일 확률 r을 통해 부정적 의존성을 측정한다.
• 일치하거나 반사된 패턴의 경험적 상대 빈도를 사용하여 p와 r을 추정한다.
• 근접-에포크 의존성과 1-근사 기능 조건 하에서 델타 방법을 적용하여 추정량의 渐近 정규성을 확립한다.
• 부분합으로 구성된 패턴 일치 지표를 기반으로 검정 통계량 Tn을 구성하였으며, 구조적 변화가 없는 귀무가설 하에서 이 통계량이 브라운 운동의 기능적 형태로 약한 수렴을 보임을 증명하였다.

실험 결과

연구 질문

• RQ1 두차원 모멘트가 유한하지 않다는 가정 없이, 순서 패턴 의존성이 비선형적이고 단조적인 의존성을 효과적으로 탐지할 수 있는가?
• RQ2 순서 패턴을 활용하여 의존성 구조의 구조적 변화를 공식적으로 어떻게 검정할 수 있는가?
• RQ3 약한 의존성 조건 하에서 핵심 매개변수(p, q, r, s) 추정량의 渐近 분포는 무엇인가?
• RQ4 이 방법은 측정 오차와 데이터의 단조적 변환에 대해 얼마나 강건한가?
• RQ5 이 검정은 금융 시장 동적 변화에서 관찰되는 의미 있는 의존성 변화를 탐지할 수 있는가?

주요 결과

• 일치하는 순서 패턴의 확률(p)에 대한 추정량은 유도된 분산-공분산 구조를 가진 渐近 정규성을 갖는다.
• 구조적 변화가 없는 경우 검정 통계량 Tn은 σ sup₀≤λ≤1 |W(λ) − λW(1)|로 분포 수렴하며, 여기서 W는 표준 브라운 운동이다.
• 이 방법은 단조적 변환에 대해 강건하며, 소규모 편향이나 측정 오차에 대해서도 안정적이다.
• 기존의 상관관계 기반 검정과 달리, 기저 시간열이 두차원 모멘트를 갖지 않더라도 검정의 타당성이 유지된다.
• S&P 500와 VIX 데이터에 대한 실증 응용에서 의존성의 검출 가능한 구조적 변화가 확인되었으며, 이는 방법의 실용적 관련성을 입증한다.
• 이 방법은 피어슨 상관계수, 켄달의 타우, 스피어만의 rho로는 탐지되지 않는 의존성 구조를 포착할 수 있으며, 이는 비선형 단조적 관계에 대해 고유한 민감성을 보임을 보여준다.