이 연구의 목적은 Iterative Cumulative Sum of Squares(ICSS)에 기반하여 금융 시계열에서 변화점(change point)을 탐지하기 위한 이진 분할 알고리즘을 제안하는 것이다. 제안된 알고리즘인 KW-ICSS는 교차검증 절차에서 비모수(non-parametric) Kruskal-Wallis 검정을 활용한다. 이와 관련하여 KW-ICSS는 변화점 이후 상태에서 관측치의 수가 적은, 비정규 분포(non-normally distributed) 시계열에서도 기존의 ICSS 알고리즘인 AIT-ICSS보다 신속하게 변화점을 탐지할 수 있다. 변화점의 실제 위치가 알려진 모의(mulated) 금융 시계열에서, KW-ICSS는 변화점의 개수가 서로 다른 경우 평균 진양성률(true positive rate)이 81%로 변화점을 탐지하는 반면, AIT-ICSS는 72.57%에 그친다. 또한 KW-ICSS의 실제 변화점과 탐지된 변화점 간 평균 절대 편차(mean absolute deviation)는 여러 유의수준에서 AIT-ICSS보다 작다. 실험 결과는 유의수준과 모델 파라미터(model parameter)를 10% 미만으로 설정해야 함도 보여준다. 변화점의 실제 위치를 알 수 없는 실제 세계의 금융 시계열에서, KW-ICSS의 변화점에 대한 강건한 탐지는 더 적은 탐지 변화점과 그 사이의 더 긴 구간으로부터 관찰된다. 더 나아가 KW-ICSS의 단기 미래에 대한 추세 예측은 평균 92.47%의 정확도를 보인 반면, AIT-ICSS는 90.69%를 보인다. 따라서 우리는 KW-ICSS가 AIT-ICSS를 성공적으로 개선함을 주장한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.