The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

High-dimensional change point detection using MOSUM-based sparse projection

MOSUM 성근 프로젝션을 이용한 고차원 시계열의 변화점 추정

  • 김문정 (성균관대학교 통계학과) ;
  • 백창룡 (성균관대학교 통계학과)
  • Received : 2021.09.13
  • Accepted : 2021.12.03
  • Published : 2022.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes the so-called MOSUM-based sparse projection method for change points detection in high-dimensional time series. Our method is inspired by Wang and Samworth (2018), however, our method improves their method in two ways. One is to find change points all at once, so it minimizes sequential error. The other is localized so that more robust to the mean changes offsetting each other. We also propose data-driven threshold selection using block wild bootstrap. A comprehensive simulation study shows that our method performs reasonably well in finite samples. We also illustrate our method to stock prices consisting of S&P 500 index, and found four change points in recent 6 years.

본 논문은 Wang과 Samworth (2018)가 제안한 성근 프로젝션 방법을 개선하여 MOSUM을 이용하여 고차원의 시계열데이터에 존재하는 다중 평균 변화점을 추정하는 방법에 대해서 제안한다. 제안한 방법은 국소방법으로 다중 변화점을 동시에 찾을 수 있어 순차적 오류를 최소화 할 뿐만 아니라 평균이 상쇄되는 경우에도 변화점을 추정하는 장점을 지니고 있다. 또한 데이터 의존적인 방법으로 블록 와일드 붓스트랩 방법을 활용하여 임계점을 찾는 방법을 제안한다. 모의 실험을 통해 제안한 방법이 좋은 성능을 보임을 확인하였으며 S&P 500 지수를 구성하는 개별 기업들의 금융 자료에 적용하여 최근 6년간 네 번의 변화점을 찾았다.

Keywords

Acknowledgement

이 논문은 한국연구재단의 지원을 받아 수행된 기초연구 사업임(NRF-2019R1F1A1057104).

References

  1. Andrews DWK (1991). Heteroskedasticity and autocorrelation consistent covariance matrix estimation, Econometrica, 59, 817-858. https://doi.org/10.2307/2938229
  2. Cho H (2016). Change-point detection in panel data via double cusum statistic, Electronic Journal of Statistics, 10, 2000-2038. https://doi.org/10.1214/16-EJS1155
  3. Eichinger B and Kirch C (2018). A MOSUM procedure for the estimation of multiple random change points, Bernoulli, 24, 526-564.
  4. Fryzlewicz P (2014). Wild binary segmentation for multiple change-point detection, The Annals of Statistics, 42, 2243-2281. https://doi.org/10.1214/14-AOS1245
  5. Lee T and Baek C (2020). Block wild bootstrap-based CUSUM tests robust to high persistence and misspecification, Computational Statistics & Data Analysis, 150, 106996. https://doi.org/10.1016/j.csda.2020.106996
  6. Wang T and Samworth RJ (2018). High dimensional change point estimation via sparse projection, Journal of the Royal Statistical Society: Series B (Statistical Methodology), 80, 57-83. https://doi.org/10.1111/rssb.12243