중단시계열과 구간회귀

중단시계열은 개입 전후 한 점씩이 아니라 양쪽에 충분한 반복 관측을 둡니다.

처치 이전 자료로 개입이 없었을 수준과 추세를 연장합니다. 이후 실제값이 이 경로에서 벗어난 정도를 효과로 측정합니다.

개입일이 외부에서 정해지고, 결과를 일관되게 측정하며, 기존 경로가 외삽할 만큼 안정적일 때 가장 강한 설계가 됩니다.

기본 모형은 시간, 개입일부터 켜지는 지시변수, 개입 뒤 흐른 시간을 포함합니다.

개입 지시변수는 즉각적인 수준의 점프를, 개입 후 시간항은 기존 추세에 비해 기울기가 얼마나 달라졌는지를 추정합니다.

나중 시점의 효과는 수준 변화와 누적된 기울기 변화의 합입니다. 계수 하나만 보고하면 경제적으로 중요한 경로를 놓칠 수 있습니다.

거래 규칙은 하루아침에 바뀔 수 있지만 준법 제도는 서서히 시행될 수 있습니다. Step, ramp, lag, 일시적 pulse는 서로 다른 이야기를 담습니다.

공식 시행 전에 시장이 예상하면 날카로운 지시변수가 부정확합니다. 발표일, 채택일, 집행일을 구분해야 합니다.

결과를 본 뒤 breakpoint나 모양을 고르면 적합이 과장됩니다. 사건 시간표와 주 분석 규격을 추정 전에 정당화해야 합니다.

가까운 시점의 관측치는 충격을 공유하므로 독립 오차를 쓰면 신뢰구간이 지나치게 좁아질 수 있습니다.

잔차 그림과 자기상관 진단으로 오차모형이나 시계열 견고 불확실성을 정합니다. 관측 빈도가 높다고 독립 증거가 자동으로 늘지는 않습니다.

계절성, 휴일, 변동성 변화, 이상치, 비정상 추세가 개입처럼 보일 수 있습니다. 통계 검정과 경제적 설명을 함께 써야 합니다.

개입 근처에서 시작한 다른 사건은 같은 수준 또는 기울기 변화를 만들 수 있습니다. 금융에서는 거시뉴스와 동시 규제가 특히 위험합니다.

측정과 표본 구성도 안정적이어야 합니다. 데이터 공급자 변경, 상장 종목군 변화, 스프레드 정의 수정이 가짜 단절을 만들 수 있습니다.

극단적 결과 뒤에 정책이 시행되면 평균회귀도 문제입니다. 긴 사전기간은 이전에도 비슷한 반전이 있었는지 보여줍니다.

통제 중단시계열은 같은 공통 충격을 받지만 개입에는 노출되지 않은 비교 시계열을 추가합니다. 추정량은 두 중단의 차이가 됩니다.

비교군은 같은 기반 요인의 영향을 받으면서 직접 처치, 예상 행동, 파급효과는 피해야 합니다. 오염된 기준은 실제 효과 일부를 빼버립니다.

여러 통제군이나 합성 비교군도 도움이 되지만 좋은 사전 동행성과 투명한 선정이 여전히 핵심입니다.

호가단위 변경, 공매도 제한, 공시 기한, 거래소 시스템 개편을 스프레드, 거래량, 변동성의 시간 경로로 연구할 수 있습니다.

고빈도 자료는 점이 많지만 미시구조 의존성, 요일 효과, 겹치는 뉴스도 큽니다. 표본크기와 식별력은 같은 말이 아닙니다.

단위, 빈도, 기간, 개입 날짜, 예상 반응 모양, 경쟁 사건을 먼저 정의한 뒤 꺾임을 정책효과로 해석해야 합니다.

Placebo 날짜, 합리적인 대체 기간, 추세 형태, 계절 통제, 자기상관 구조를 바꿔 봅니다. 극단적인 하루가 결과를 만든 것은 아닌지도 확인합니다.

수준 변화, 기울기 변화, 의미 있는 시점별 효과, 잔차 진단을 보고하고 실제 경로와 반사실 경로를 불확실성과 함께 그립니다.

여러 가짜 날짜에도 비슷한 꺾임이 나타나거나 동시 충격을 모형에 넣자 결과가 사라지면 인과 결론도 그만큼 약해져야 합니다.