Kesintili Zaman Serisi ve Parçalı Regresyon
Kesintili zaman serisinin düzey ve eğim değişimlerini nasıl tahmin ettiğini, temel trendlerin ve otokorelasyonun neden önemli olduğunu ve kontrollü tasarımların finansal olay analizini nasıl güçlendirdiğini öğrenin
Doğrudan yanıt
Kesintili zaman serisi, açıkça zamanlanmış bir müdahale sonrasındaki gözlenen yolu, tekrarlanan tedavi öncesi gözlemlerden yansıtılan yolla karşılaştırır. Parçalı regresyon ani düzey değişimini ve trend değişimini tahmin edebilir; ancak nedensel iddia görünür bir kırılmadan fazlasını gerektirir. Zamanlamayı açıklayacak eşzamanlı şok olmamalı, ön trend güvenilir bir karşı-olgusal sağlamalı ve mevsimsellik, otokorelasyon, beklenti, değişen bileşim ve ölçüm kırılmaları modellenmeli veya dışlanmalıdır
Eski yol karşı-olgusal olur
Kesintili zaman serisi yalnızca birer önce-sonra gözlemi değil, müdahaleden önce ve sonra çok sayıda gözlemle başlar
Tedavi öncesi seri, müdahale olmadan hangi düzey ve trendin devam edeceğini tahmin eder. Tedavi sonrası sapmalar yansıtılan bu yola göre ölçülür
Müdahale tarihi dışarıdan biliniyorsa, sonuçlar tutarlı biçimde ölçülüyorsa ve önceki yol ekstrapolasyon için yeterince istikrarlıysa tasarım en güçlü halindedir
Parçalı regresyon iki değişimi ayırır
Temel model zamanı, müdahalede açılan bir göstergeyi ve müdahaleden beri geçen zamanı içerir
Müdahale göstergesi ani düzey sıçramasını tahmin eder. Müdahale sonrası zaman terimi, temel trende göre eğimin nasıl değiştiğini tahmin eder
Daha sonraki bir ufukta ima edilen etki düzey değişimi ile birikmiş eğim değişimlerini birleştirir. Yalnızca tek katsayıyı raporlamak ekonomik olarak önemli yolu gizleyebilir
Kesintinin biçimi mekanizmayla eşleşmelidir
Bir işlem kuralı gecelik yürürlüğe girebilir; ancak uyum reformu kademeli uygulanabilir. Basamak, rampa, gecikme veya geçici darbe farklı müdahale hikâyeleri kodlar
Resmi tarihten önceki beklenti keskin göstergeyi yanıltabilir. Duyuru, benimseme ve uygulama tarihleri ayrılmalıdır
Kırılma noktasını veya etki biçimini sonucu gördükten sonra seçmek uyumu abartır. Zaman çizelgesi ve temel belirtim tahminden önce gerekçelendirilmelidir
Zaman bağımlılığı belirsizliği değiştirir
Ardışık gözlemler çoğu zaman şokları paylaşır; bu nedenle olağan bağımsız hatalar güven aralıklarını gereğinden daraltır
Artık grafikleri ve otokorelasyon teşhisleri hata modelini veya sağlam zaman serisi belirsizliğini yönlendirmelidir. Daha yüksek frekans otomatik olarak bağımsız kanıt yaratmaz
Mevsimsellik, tatiller, değişen volatilite, aykırı değerler ve durağan olmayan trendler müdahale gibi görünebilir. Bunları modellemek istatistiksel test kadar ekonomik akıl yürütme de gerektirir
Eşzamanlı şoklar temel nedensel tehdittir
Müdahaleye yakın başlayan başka bir olay aynı düzey veya eğim kırılmasını açıklayabilir. Makroekonomik haberler ve eşzamanlı kurallar finans için özellikle tehlikelidir
İstikrarlı ölçüm ve bileşim de önemlidir. Veri sağlayıcısı değişimi, yeni listeleme evreni veya revize spread tanımı yapay bir süreksizlik yaratabilir
Müdahale aşırı bir sonucu izliyorsa ortalamaya dönüş başka bir risktir. Daha uzun bir ön dönem benzer dönüşlerin daha önce olup olmadığını gösterir
Bir kontrol serisi tasarımı güçlendirebilir
Kontrollü kesintili zaman serisi, aynı ortak şoklara maruz kalan etkilenmemiş bir karşılaştırma serisi ekler. Tahmin edilen nicelik kesintiler arasındaki farka dönüşür
Karşılaştırma temel güçleri paylaşmalı, ancak doğrudan tedavi, beklenti ve taşmalardan uzak kalmalıdır. Kirlenmiş bir kıyas gerçek etkinin bir bölümünü çıkarabilir
Birden çok kontrol veya sentetik karşılaştırma güvenilirliği artırabilir; ancak iyi tedavi öncesi birlikte hareket ve şeffaf seçim hâlâ esastır
Finansal uygulamalar piyasa bağlamı gerektirir
Fiyat adımı değişimi, açığa satış kısıtlaması, açıklama son tarihi veya borsa sistemi güncellemesi zaman içinde spread, hacim veya volatiliteyle incelenebilir
Gün içi frekans çok sayıda nokta sağlar; ancak mikro yapı bağımlılığı, haftanın günü örüntüleri ve örtüşen haberler de getirir. Örneklem büyüklüğü tanımlamayla aynı değildir
Bir kırılmayı politika etkisi olarak yorumlamadan önce birimi, frekansı, ufku, müdahale tarihlerini, beklenen tepki biçimini ve rakip olayları tanımlayın
Duyarlılık bir kırılmayı kanıta dönüştürür
Plasebo tarihleri, makul alternatif pencereler, trend biçimleri, mevsimsel kontroller ve otokorelasyon yapıları kullanın. Tek bir aşırı günün tahmine hâkim olup olmadığını test edin
Düzey değişimini, eğim değişimini, anlamlı ufuklardaki etkileri, artık kontrollerini ve hem gözlenen hem karşı-olgusal yolları belirsizlikle raporlayın
Birçok makul tarih benzer kırılmalar gösteriyorsa veya sonuç eşzamanlı bir şok modellendikten sonra kayboluyorsa nedensel sonuç buna göre zayıflamalıdır
Sık sorulan sorular
Kesintili zaman serisi yalnızca bir önce-sonra çalışması mıdır?
Hayır. Her iki tarafta tek gözleme dayanmak yerine temel düzeyi ve trendi tahmin etmek için tekrarlanan gözlemler kullanır
Düzey ve eğim değişimi arasındaki fark nedir?
Düzey değişimi ani bir sıçramadır; eğim değişimi sonuç değişiminin sonrasında hangi hızla ilerlediğini değiştirir
Otokorelasyon neden modellenir?
Yakın gözlemler şokları paylaşır; onları bağımsız saymak genellikle belirsizliği olduğundan küçük gösterir
Kontrol serisi eklemek her sorunu çözer mi?
Hayır. Kontrol ancak karşılaştırılabilir ve tedavi ya da taşmalardan etkilenmemişse ortak şoklara yardımcı olur