국부정상 파동계열의 상태공간 표현

본 논문은 국부정상 파동(Locally Stationary Wavelet, LSW) 과정의 구조적 특성을 새롭게 해석하고, 이를 상태공간 모델로 전환하는 방법론을 제시한다. 먼저 LSW 모델을 정의하고, 파동계수 w_{jk}와 무작위 증분 ξ_{jk}의 곱으로 구성된 이중지표 확률 과정임을 상기한다. w_{jk}=W_j(k/T)+O(T^{-1}) 형태의 부드러운 함수 W_j(z)를 통해 시간에 따라 서서히 변하는 스펙트럼을 기술한다는 점이 핵심이다. 이후 저자는 Haar 파동을 이용해 각 스케일 j에서 LSW를 제한된 비영 파동계수만을 포함하는 이동 평균 형태로 전개한다. 구체적으로, 스케일 j에서는 2j−1 차수의 시간 가변 이동 평균(TVMA) 과정 x_{jt}=∑_{ℓ=0}^{2j−1}α_{ℓ}^{(j)}(t)·ξ_{j,t−ℓ} 로 표현되며, 여기서 α_{ℓ}^{(j)}(t)=ψ_{j,−ℓ}·w_{j,t−ℓ}이다. 따라서 전체 LSW는 y_t=∑_{j=1}^{J}x_{jt} 로, J개의 TVMA 과정의 선형합으로 해석된다. 시간에 따라 변하는 w_{jt}는 느리게 변한다고 가정하고, w_{jt}=w_{j,t−1}+ζ_{jt} (ζ_{jt}∼N(0,σ_j^2)) 로 랜덤워크 모델링한다. 이를 바탕으로 각 스케일별 TVMA를 상태공간 형태로 재구성한다. 상태 방정식은 w_{jt}의 랜덤워크와 관측 방정식 x_{jt}=A_{jt}·w_{j,t−2^{j}+1}+ν_{jt} 로 구성된다. 여기서 A_{jt}=∑_{k=0}^{2^{j}−1}ψ_{j,−k}·ξ_{j,t−k}는 ξ_{jk}에 의해 랜덤하게 생성되는 설계 행렬이며, ν_{jt}는 ξ와 ζ의 결합으로부터 유도된 Gaussian 잡음이다. 각 스케일의 상태공간 모델은 서로 독립이므로 전체 LSW는 J개의 독립 상태공간 모델을 합친 형태가 된다. 추정 방법은 휴리스틱 시뮬레이션‑칼만 필터 절차이다. 먼저 ξ_{jk}를 표준 정규분포에서 독립적으로 샘플링해 A_{jt}를 시뮬레이션한다. 고정된 A_{jt} 하에 칼만 필터와 스무터를 적용해 w_{jt}의 사후분포와 미래 y_{t+h}의 예측분포를 얻는다. 이 과정을 ξ_{jk}의 여러 시뮬레이션에 대해 독립적으로 반복함으로써 추정의 불확실성을 평가한다. 사후 스펙트럼 S_{jt}=w_{j,t}^2 은 칼만 필터 추정값에 스플라인 평활을 적용해 부드러운 추정치를 얻는다. 실증 분석에서는 2006‑2007년 일일 외환 데이터(GBP/USD, EUR/USD)를 로그수익률로 변환하고, 두 시계열에 대해 스케일 1과 2의 스펙트럼을 추정하였다. 시뮬레이션 결과는 기존 Nason 등(2000) 방식보다 덜 부드러운 스펙트럼을 보였으며, σ_j^2 값을 조절함으로써 부드러움을 조절할 수 있음을 확인했다. 또한, 제안된 방법은 기존 LSW 추정에서 요구되는 복잡한 비선형 최적화 없이도 칼만 필터라는 표준 도구만으로 파라미터 추정과 예측을 수행할 수 있다는 실용적 장점을 제공한다. 결론적으로, 논문은 (1) LSW를 시간 가변 이동 평균 과정들의 합으로 표현함으로써 구조적 이해를 심화하고, (2) 이를 확률적 설계 행렬을 포함한 상태공간 모델로 전환함으로써 기존의 시계열 분석 도구와 연결한다. 제시된 휴리스틱 시뮬레이션‑칼만 필터 접근법은 파라미터 식별 문제를 완화하고, 실제 금융 데이터에 적용 가능한 추정 및 예측 프레임워크를 제공한다. 향후 연구에서는 다중 스케일 간 상호작용을 모델링하거나, 비가우시안 ξ_{jk}에 대한 확장, 그리고 베이지안 MCMC와 결합한 보다 정교한 추정 방법을 탐색할 여지가 있다.