Прерванный временной ряд и сегментированная регрессия
Узнайте, как прерванный временной ряд оценивает изменения уровня и наклона, почему важны исходные тренды и автокорреляция и как контролируемые дизайны усиливают анализ финансовых событий
Короткий ответ
Прерванный временной ряд сравнивает наблюдаемую траекторию после вмешательства с чётко заданным временем с траекторией, спрогнозированной по повторным наблюдениям до вмешательства. Сегментированная регрессия может оценить немедленное изменение уровня и изменение тренда, но причинный вывод требует большего, чем видимый разрыв. Никакой одновременный шок не должен объяснять момент разрыва, предтренд должен давать правдоподобный контрфактуальный сценарий, а сезонность, автокорреляцию, упреждение, изменение состава и разрывы измерения нужно смоделировать или исключить
Прежняя траектория становится контрфактуальным сценарием
Прерванный временной ряд начинается со множества наблюдений до и после вмешательства, а не с одной пары «до — после»
Ряд до вмешательства оценивает уровень и тренд, которые продолжались бы без вмешательства. Отклонения после вмешательства измеряются относительно этой продолженной траектории
Дизайн особенно убедителен, когда дата вмешательства известна извне, результаты измеряются одинаково, а прежняя траектория достаточно стабильна для экстраполяции
Сегментированная регрессия разделяет два изменения
Базовая модель включает время, индикатор, включающийся в момент вмешательства, и время, прошедшее после вмешательства
Индикатор вмешательства оценивает немедленный скачок уровня. Член времени после вмешательства оценивает, как наклон изменился относительно исходного уровня
На более позднем горизонте подразумеваемый эффект объединяет изменение уровня и накопленное изменение наклона. Публикация только одного коэффициента может скрыть экономически важную траекторию
Форма прерывания должна соответствовать механизму
Торговое правило может вступить в силу за ночь, а реформа контроля может внедряться постепенно. Ступень, рампа, лаг или временный импульс кодируют разные истории вмешательства
Ожидание до официальной даты может сделать резкий индикатор вводящим в заблуждение. Даты объявления, принятия и исполнения следует разделять
Выбор точки разрыва или формы воздействия после просмотра результата преувеличивает качество подгонки. Временную шкалу и основную спецификацию нужно обосновать до оценки
Зависимость во времени меняет неопределённость
Соседние наблюдения часто разделяют одни и те же шоки, поэтому обычные независимые ошибки дают слишком узкие доверительные интервалы
Графики остатков и диагностика автокорреляции должны направлять выбор модели ошибок или устойчивой временной неопределённости. Большее число частотных наблюдений само по себе не создаёт независимых свидетельств
Сезонность, праздники, меняющаяся волатильность, выбросы и нестационарные тренды могут выглядеть как вмешательство. Их моделирование требует экономического рассуждения наряду со статистическими тестами
Одновременные шоки — главная угроза причинному выводу
Любое другое событие, начавшееся рядом с вмешательством, может объяснить тот же разрыв уровня или наклона. Макроэкономические новости и одновременные правила особенно опасны в финансах
Важны также стабильность измерения и состава. Смена поставщика данных, нового набора листингов или определения спреда может создать искусственный разрыв
Регрессия к среднему — ещё один риск, если вмешательству предшествовал экстремальный результат. Более длинный период до вмешательства помогает проверить, происходили ли похожие развороты раньше
Контрольный ряд может усилить дизайн
Контролируемый прерванный временной ряд добавляет ряд сравнения, не затронутый вмешательством, но подвергшийся тем же общим шокам. Оцениваемой величиной становится разность прерываний
Сравнительный ряд должен разделять исходные силы, но не подвергаться прямому воздействию, упреждению и переливу эффекта. Загрязнённый эталон может вычесть часть настоящего эффекта
Несколько контролей или синтетическое сравнение могут повысить убедительность, но хорошее совместное движение до вмешательства и прозрачный отбор остаются необходимыми
Финансовые применения требуют рыночного контекста
Изменение размера тика, ограничение коротких продаж, срок раскрытия информации или обновление биржевой системы можно изучать через спреды, объём или волатильность во времени
Внутридневная частота даёт много точек, но также создаёт зависимость микроструктуры, закономерности дня недели и перекрывающиеся новости. Размер выборки не равен идентификации
До интерпретации разрыва как эффекта политики определите единицу наблюдения, частоту, горизонт, даты вмешательств, ожидаемую форму реакции и конкурирующие события
Проверка чувствительности превращает разрыв в свидетельство
Используйте фиктивные даты, разумные альтернативные окна, формы тренда, сезонные контроли и структуры автокорреляции. Проверьте, не определяется ли оценка одним экстремальным днём
Отчитывайтесь об изменении уровня, изменении наклона, эффектах на значимых горизонтах, проверках остатков и наблюдаемых и контрфактуальных траекториях с неопределённостью
Если похожие разрывы видны на множестве правдоподобных дат или результат исчезает после моделирования одновременного шока, причинный вывод следует соответственно ослабить
Частые вопросы
Прерванный временной ряд — это просто исследование «до — после»?
Нет. Он использует повторные наблюдения для оценки исходного уровня и тренда, а не полагается на одно наблюдение с каждой стороны
В чём разница между изменением уровня и наклона?
Изменение уровня — это немедленный скачок, а изменение наклона меняет скорость дальнейшей динамики результата
Зачем моделировать автокорреляцию?
Близкие наблюдения разделяют шоки, поэтому их независимое рассмотрение обычно занижает неопределённость
Решает ли контрольный ряд все проблемы?
Нет. Он помогает с общими шоками только если сопоставим и остаётся незатронутым вмешательством или переливом эффекта