Przerywany szereg czasowy i regresja segmentowa

Przerywany szereg czasowy zaczyna się od wielu obserwacji przed interwencją i po niej, a nie tylko jednej obserwacji po każdej stronie.

Seria sprzed interwencji szacuje, jaki poziom i trend utrzymałyby się bez interwencji. Odchylenia po interwencji mierzy się względem tej prognozowanej ścieżki.

Projekt jest najsilniejszy, gdy data interwencji jest znana zewnętrznie, wyniki są mierzone spójnie, a wcześniejsza trajektoria jest wystarczająco stabilna do ekstrapolacji.

Podstawowy model obejmuje czas, wskaźnik włączający się w chwili interwencji oraz czas, który upłynął od interwencji.

Wskaźnik interwencji szacuje natychmiastowy skok poziomu. Termin czasu po interwencji szacuje zmianę nachylenia względem poziomu bazowego.

W późniejszym horyzoncie implikowany efekt łączy zmianę poziomu ze skumulowaną zmianą nachylenia. Raportowanie tylko jednego współczynnika może ukryć ścieżkę istotną ekonomicznie.

Reguła handlowa może wejść w życie przez noc, ale reforma zgodności może wdrażać się stopniowo. Skok, narastanie, opóźnienie lub tymczasowy impuls kodują inną historię interwencji.

Antycypacja przed oficjalną datą może sprawić, że ostry wskaźnik będzie mylący. Trzeba rozdzielić daty ogłoszenia, przyjęcia i egzekwowania.

Wybór punktu przerwania lub kształtu wpływu po obejrzeniu wyniku zawyża dopasowanie. Oś czasu i główna specyfikacja powinny być uzasadnione przed estymacją.

Sąsiednie obserwacje często dzielą szoki, więc zwykłe niezależne błędy dają przedziały ufności zbyt wąskie.

Wykresy reszt i diagnostyka autokorelacji powinny kierować wyborem modelu błędu lub odpornej niepewności szeregu czasowego. Więcej częstotliwości nie tworzy automatycznie niezależnych dowodów.

Sezonowość, święta, zmienna zmienność, obserwacje odstające i niestacjonarne trendy mogą przypominać interwencję. Ich modelowanie wymaga zarówno rozumowania ekonomicznego, jak i testów statystycznych.

Każde inne wydarzenie zaczynające się w pobliżu interwencji może wyjaśnić ten sam skok poziomu lub nachylenia. Wiadomości makroekonomiczne i jednoczesne reguły są szczególnie niebezpieczne w finansach.

Znaczenie ma także stabilny pomiar i skład. Zmiana dostawcy, nowy zbiór notowań lub zmieniona definicja spreadu może stworzyć sztuczną nieciągłość.

Kolejnym ryzykiem jest regresja do średniej, gdy interwencja następuje po skrajnym wyniku. Dłuższy okres przed interwencją pomaga sprawdzić, czy podobne odwrócenia zdarzały się wcześniej.

Kontrolowany przerywany szereg czasowy dodaje niepoddawaną interwencji serię porównawczą wystawioną na te same wspólne szoki. Estymandem staje się różnica w przerwaniach.

Porównanie musi dzielić siły bazowe, ale unikać bezpośredniego oddziaływania, antycypacji i efektów przeniesienia. Zanieczyszczony benchmark może odjąć część prawdziwego efektu.

Wiele kontroli lub porównanie syntetyczne może poprawić wiarygodność, ale dobre współporuszanie się przed interwencją i przejrzysty dobór pozostają niezbędne.

Zmianę wielkości ticka, ograniczenie krótkiej sprzedaży, termin ujawnienia informacji lub modernizację systemu giełdowego można badać przez spready, wolumen albo zmienność w czasie.

Częstotliwość intraday daje wiele punktów, ale także zależność mikrostruktury, wzorce dnia tygodnia i nakładające się wiadomości. Wielkość próby nie jest tym samym co identyfikacja.

Zdefiniuj jednostkę, częstotliwość, horyzont, daty interwencji, oczekiwany kształt odpowiedzi i konkurencyjne wydarzenia, zanim uznasz przerwę za efekt polityki.

Użyj dat placebo, alternatywnych rozsądnych okien, form trendu, kontroli sezonowych i struktur autokorelacji. Sprawdź, czy oszacowanie zależy od jednego skrajnego dnia.

Raportuj zmianę poziomu, zmianę nachylenia, efekty w istotnych horyzontach, kontrole reszt oraz zarówno obserwowane, jak i kontrfaktyczne ścieżki wraz z niepewnością.

Jeśli wiele wiarygodnych dat pokazuje podobne przerwy albo wynik znika po zamodelowaniu współwystępującego szoku, wniosek przyczynowy powinien odpowiednio osłabnąć.