확률 시계열의 프랙탈 구조 분석적 결정

초록

본 논문은 기존의 허스트 지수 추정에 의존하던 프랙탈 구조 판별 방식을 벗어나, 확산 스케일링 특성을 이용한 베이지안 평가 프레임워크(BAS)를 제안한다. BAS는 가설 간 증거 비율을 명시적으로 계산하고, 이를 기반으로 스케일링 구간과 허스트 지수 H의 최대우도 추정량을 제공한다. 실험 결과, 제안된 추정기가 기존 최고 성능 추정기보다 정확도가 높으며, 주관적 판단을 배제한 객관적인 FS 판별 기준을 제공한다.

상세 분석

이 연구는 시계열 데이터가 보이는 장기 의존성 및 자기유사성을 정량화하기 위해 널리 사용되는 허스트 지수(H)의 추정 문제를 근본적으로 재구성한다. 기존 방법들은 R/S 분석, DFA, 파워 스펙트럼 등 다양한 추정기를 활용하지만, 각 방법이 요구하는 스케일링 구간 선택이 주관적이며, 노이즈와 비정상성에 취약하다는 공통된 한계를 가진다. 저자는 이러한 문제점을 해결하기 위해, 시계열을 연속적인 확산 과정으로 모델링하고, 확산 거리의 분산이 시간 간격 τ에 대해 τ^{2H} 형태로 스케일링된다는 사실을 이용한다.

핵심 아이디어는 두 가설, 즉 “시계열이 프랙탈 스케일링을 보인다(H∈