정지 과정의 가우시안성 검정을 위한 무작위 투영 기반 절차

초록

본 논문은 정지 확률 과정이 가우시안인지 여부를 판단하기 위해, Cuesta‑Albertos 등(2007)의 무작위 투영 기법을 활용한 새로운 검정 방법을 제시한다. 관측된 유한 길이의 시계열에 대해, 과정 전체의 분포 정보를 반영하는 무작위 선형 결합을 만든 뒤, 그 결합의 주변 분포가 정규성을 만족하는지 검정한다. 제안된 절차는 일관성을 보이며, 시뮬레이션을 통해 기존 방법보다 높은 검정력을 확인하였다.

상세 분석

이 연구는 정지 확률 과정의 가우시안성을 판단하는 문제를 함수형 데이터 분석의 관점에서 재구성한다. 전통적인 가우시안성 검정은 주로 시계열의 한 차원(예: 1차 또는 2차 순간) 혹은 고정된 시점의 마진 분포에 의존한다. 그러나 이러한 접근은 과정 전체의 구조적 특성을 충분히 포착하지 못한다는 한계가 있다. 저자들은 Cuesta‑Albertos et al. (2007)에서 제안된 무작위 투영(random projection) 기법을 차용하여, 관측된 시계열을 무한 차원의 함수 공간에 놓고, 무작위로 선택된 정규화된 가중치 벡터와 내적을 수행한다. 이 내적은 원래 과정의 무한 차원 정보를 하나의 실수값으로 압축하면서도, 가중치가 독립적으로 정규분포를 따르므로 투영 결과의 분포는 원 과정이 가우시안일 경우에도 가우시안이 된다. 반대로 비가우시안 과정이라면, 투영된 값들의 분포는 일반적으로 정규성을 위배한다.

논문은 두 단계의 검정 절차를 제시한다. 첫 번째 단계에서는 여러 개의 무작위 투영을 독립적으로 생성하고, 각 투영에 대해 전통적인 일변량 정규성 검정(예: Anderson‑Darling, Shapiro‑Wilk 등)을 적용한다. 두 번째 단계에서는 이러한 개별 검정 결과들을 결합하여 전체 검정 통계량을 구성한다. 결합 방법으로는 p‑값의 최소값을 이용한 Bonferroni 보정이나, Fisher의 결합법 등을 고려한다. 중요한 점은, 무작위 투영 자체가 확률적이므로, 검정 절차 전체가 Monte‑Carlo 방식으로 구현될 수 있다는 점이다.

이론적 측면에서 저자들은 제안된 검정이 일관적임을 증명한다. 즉, 표본 크기가 무한히 커질 때, 비가우시안 과정을 가정하면 검정 통계량이 임계값을 초과하여 가설을 올바르게 기각한다. 증명은 무작위 투영이 과정의 전체 공분산 구조를 보존한다는 사실과, 정규성 검정의 점근적 특성을 결합하여 이루어진다. 또한, 가우시안 과정에 대해서는 검정의 크기(level)가 명시된 유의 수준 α와 일치함을 보인다.

시뮬레이션에서는 AR(1), MA(1), GARCH, 그리고 비선형 변환을 가한 가우시안 과정 등 다양한 모델을 대상으로 검정력을 비교한다. 결과는 특히 비선형 의존성을 포함한 과정에서 기존의 차분 기반 정규성 검정보다 현저히 높은 검정력을 보이며, 표본 크기가 작을 때도 비교적 안정적인 성능을 유지한다. 또한, 무작위 투영의 수를 늘릴수록 검정력은 상승하지만, 계산 비용도 선형적으로 증가함을 확인한다.

실용적인 관점에서 이 방법은 기존 시계열 분석 툴에 쉽게 통합될 수 있다. 무작위 투영 단계는 단순히 가중치 벡터를 생성하고 내적을 계산하는 연산으로 구현 가능하며, 기존의 일변량 정규성 검정 함수를 그대로 재사용한다. 따라서 대규모 데이터셋이나 고차원 시계열에도 적용 가능하며, 특히 금융 데이터와 같이 복잡한 의존 구조를 갖는 경우에 유용할 것으로 기대된다.