자기회귀 모형 강신뢰 구간

초록

본 논문은 게임 이론적 확률 방법을 활용해 1차 스칼라 자기회귀(AR(1)) 모델의 계수에 대한 비대칭적이고 비점근적인 신뢰구간을 제시한다. 제안된 구간은 순차적으로 적용해도 높은 확률로 실제 파라미터를 항상 포함한다는 강한 커버리지 특성을 가진다.

상세 요약

이 연구는 전통적인 통계적 신뢰구간이 대규모 표본에 의존하고, 순차적 데이터 흐름에서 커버리지가 보장되지 않는다는 한계를 극복하고자 한다. 저자는 게임 이론적 확률(framework of game‑theoretic probability)을 도입해, 관측값이 적어도 ‘베팅’ 전략을 통해 자본이 파산하지 않을 확률을 제어함으로써 강신뢰구간(strong confidence interval)을 정의한다. 구체적으로, AR(1) 모델 (X_t = \theta X_{t-1} + \varepsilon_t) (여기서 (\varepsilon_t)는 독립이고 평균 0, 분산 (\sigma^2)인 잡음)에서 (\theta)에 대한 추정량은 최소제곱법으로 얻어지지만, 이 추정량 자체는 표본 크기에 따라 변동성이 크다. 저자는 매 시점 (t)마다 (\theta)에 대한 후보 구간 (C_t)를 정의하고, 이 구간이 실제 (\theta)를 포함하지 않을 경우 ‘베팅’ 자본이 급격히 감소하도록 설계한다. 이를 위해 누적 손실을 로그-우도 비율 형태로 표현하고, 마팅게일 성질을 이용해 자본 프로세스가 특정 임계값 이하로 떨어질 확률을 (\alpha) 이하로 제한한다. 결과적으로 ({C_t}_{t\ge1})는 모든 시점에서 동시에 (\theta)를 포함할 확률이 최소 (1-\alpha)가 되며, 이는 전통적인 ‘점진적’ 신뢰구간이 각 시점마다 개별적으로 보장하는 것과는 차원이 다른 ‘강한’ 보장이다. 또한, 구간의 폭은 관측된 데이터의 변동성에 따라 자동으로 조정되며, 비점근적 상한을 제공한다는 점에서 실시간 모니터링 및 위험 관리에 유용하다. 논문은 수학적 증명 외에도 시뮬레이션을 통해 구간 폭과 커버리지의 경험적 특성을 검증하고, 기존 방법에 비해 과보수적이지 않으면서도 신뢰성을 유지함을 보여준다.