1차 이동 평균 최대값 분포의 이산 경우 연구

본 논문은 1차 이동 평균(First‑order Moving Average, MA(1)) 과정에서 n개의 관측값이 가질 수 있는 최대값 Mₙ의 분포를 정확히 구하고, 특히 기본 독립 변수 e₁이 이산형일 때의 해법을 체계적으로 제시한다. 1. **문제 설정 및 기본 재귀식** - 독립 변수 eᵢ는 동일한 분포 F를 따르며, MA(1) 과정은 Xᵢ = eᵢ + ρ eᵢ₋₁ (ρ≠0) 로 정의된다. - 최대값 Mₙ = max_{1≤i≤n} Xᵢ 의 누적분포함수는 Gₙ(y)=P(Mₙ≤x, eₙ≤y) 로 두고, Withers와 Nadara‑jah(2009)에서 도출된 재귀식 (1.1) Gₙ(y)=I(ρ<0) Gₙ₋₁(∞) F(y)+K Gₙ₋₁(y) 를 사용한다. 여기서 K는 적분 연산자 K r(y)=sign(ρ)∫_{y}^{r} F((x−w)/ρ) dF(w) 로 정의된다. 2. **연속형 해의 구조** - ρ>0인 경우 K가 양의 방향으로 작용하므로 Gₙ(y)=KⁿF(y) 로 단순화되고, uₙ=P(Mₙ≤x)=vₙ=KⁿF(∞) 가 된다. - ρ<0인 경우에는 aₙ⊗bₙ 형태의 합성 연산이 등장해 Gₙ(y)=KⁿF(y)와 추가 항 aₙ(y)⊗uₙ가 결합된다. 이를 통해 uₙ은 완전 Bell 다항식 ˆBₙ₊₁(w) 로 표현되며, wₙ=vₙ−1 로 정의된다. 3. **가중된 거듭제곱합 가정** - 큰 n에 대한 해석을 위해 vₙ을 가중된 거듭제곱합 형태 vₙ=∑_{j=1}^{I} β_j ν_j^{\,n-1} (식 2.12) 로 가정한다. 이 가정이 성립하면 uₙ은 유한 개의 지수항 ∑γ_j δ_j^{\,n} 로 근사된다(식 2.13). - ν_j는 특정 행렬 Q(=sign(ρ)·Q)의 고유값이며, δ_j는 다항식 p_{n₀}(δ)=∑_{k=1}^{I} β_k ν_k^{\,n₀-1}/(δ−ν_k) 의 근이다. 고유값이 서로 다르면 γ는 선형 시스템 γ=A^{-1}Q 로 구한다(식 2.17). 4. **이산형 e₁에 대한 행렬 Q 구성** - e₁이 이산형이면 가능한 값 {x_i}_{i=1}^{P}와 확률 {p_i} 로 정의된다. 관측값 Xᵢ는 격자 {x_i+ρ x_j} 위에 놓이며, 행렬 Q_{ij}=sign(ρ) p_i I\{(x−x_j)/ρ ≥ x_i\} 로 구성된다. - Q는 ρ의 부호와 x의 구간에 따라 여러 형태(멱등, 대각화 가능, 일반 Jordan 형태)로 변한다. 5. **멱등 경우와 구체적 예시** - Q가 멱등(θ J, J²=J) 형태이면 vₙ=θ^{\,n-1}·d (식 3.5) 로 간단히 표현된다. 여기서 d=A′F J 1이며, 이는 가중된 거듭제곱합 가정의 특수 사례이다. - 예시 3.1에서는 e₁이 {0,1} 두 값만 가질 때 Q가 8가지 경우로 변하고, 각 구간마다 θ와 J를 식별해 vₙ과 uₙ을 명시적으로 계산한다. ρ>0 구간에서는 uₙ=vₙ, ρ<0 구간에서는 uₙ=∑γ_j δ_j^{\,n} 로 전환된다. 6. **고유값 기반 일반 해법** - Q가 대각화 가능하거나 Jordan 표준형을 갖는 경우, 고유값 ν_i와 좌·우 고유벡터(l_i, r_i)를 구한다. - vₙ은 vₙ=∑_{i=1}^{P} β_i ν_i^{\,n-1} (식 3.7) 로 표현되며, β_i=(A′F r_i)(l_i′ 1) 로 정의된다. - 고유값이 복소수이든 실수이든 절댓값이 가장 큰 r₁= max|ν_i| 가 지배적인 감쇠율이며, 큰 n에 대해 P(Mₙ≤x)≈B_x r₁ₓ^{\,n} 로 근사된다. 7. **다중값(e₁이 3값 이상) 사례** - 예시 3.3에서는 e₁이 {0,1,2} 세 값을 가질 때 Q가 9×9 행렬로 확장되고, 각 구간마다 Q가 멱등, 대각화 가능, 혹은 일반 Jordan 형태를 취한다. - 각각에 대해 고유값 ν_i와 대응하는 β_i, δ_j를 계산하고, 최종적으로 uₙ을 지수항들의 합으로 얻는다. 특히 Q가 비대칭이지만 고유값이 실수이면 좌·우 고유벡터를 이용해 동일한 절차를 적용한다. 8. **큰 표본 크기에 대한 지수적 근사** - 가중된 거듭제곱합 가정이 성립하면 vₙ≈B r₁^{\,n} (r₁= max|ν_i|) 로 수렴한다. 따라서 P(Mₙ≤x)≈B_x r₁ₓ^{\,n} 은 n이 커질수록 정확해진다. 이는 대수적 구조와 대수적 대수적 대수적(large‑deviation) 확장으로 해석될 수 있다. 9. **결론 및 의의** - 논문은 MA(1) 과정의 최대값 분포를 반복 적분, Bell 다항식, 그리고 행렬 고유값 분석을 결합해 체계적으로 풀었다. - 특히 이산형 기본 변수에 대해 행렬 Q의 고유값만 알면 복잡한 적분 없이도 정확한 분포와 큰 n에 대한 지수적 근사를 얻을 수 있다. - 제시된 방법은 ρ의 부호, 이산값의 개수, 그리고 확률 질량의 형태에 관계없이 적용 가능하므로, 시계열 분석, 신호 처리, 위험 관리 등에서 MA(1) 모델의 극값 특성을 정량화하는 데 유용하다.