재발 네트워크를 이용한 장기 상관 확률 과정 분석 가능성과 함정

초록

본 논문은 비정상성으로 특징지어지는 분수 브라운 운동(fBm)에 재발 네트워크(RN) 기법을 적용할 경우 발생하는 근본적인 한계와 오류를 지적한다. 반면, 정상성을 갖는 분수 가우시안 잡음(fGn)에서는 RN 특성이 의미 있게 정의될 수 있음을 보인다.

상세 분석

재발 네트워크는 시간 지연 임베딩을 통해 얻은 상태벡터들 사이의 거리 ε 미만 여부를 인접 행렬로 변환하는 방법이다. 이때 임베딩 차원 m 과 지연 τ 는 시스템의 동적 구조를 올바르게 재구성하기 위한 핵심 파라미터로, 결정론적 혼돈계에서는 m > 2 D_F (프랙탈 차원)와 τ 가 시스템의 주요 시간척도를 포괄하도록 선택하면 된다. 그러나 fBm은 평균·분산이 시간에 따라 변하는 비정상 과정이며, 자기상관함수(ACF)가 무한히 느리게 감소한다. 이러한 특성 때문에 τ 를 정의하거나 m 을 유한하게 설정하는 것이 이론적으로 불가능에 가깝다. 저자들은 fBm에 대해 임베딩 차원을 고정하고 ε 를 조정하면 네트워크 지표(예: 평균 경로 길이, 클러스터링 계수)가 시계열 길이 N 에 강하게 의존한다는 사실을 수치 실험으로 확인한다. 즉, 동일한 H 값이라도 N 이 달라지면 RN 구조가 크게 변동하므로, fBm에 대한 일반적인 RN 해석은 파라미터 선택에 따라 결과가 달라지는 ‘스푸리어스’ 현상을 초래한다.

반면, fGn은 fBm의 차분 과정으로 정상성을 만족한다. 정상 과정에서는 ACF가 파워‑law 형태로 감소하고, 임베딩 차원 m 과 지연 τ 를 전통적인 방법(FNN, 첫 번째 ACF 영점 등)으로 선정해도 안정적인 위상공간 재구성이 가능하다. 저자들은 다양한 H 값에 대해 fGn을 생성하고, 동일한 ε (또는 동일한 연결 밀도) 하에서 RN 특성을 측정하였다. 결과는 H 가 증가함에 따라 네트워크의 평균 연결 거리와 클러스터링 계수가 일관되게 변함을 보여, RN이 정상적인 장기 상관 과정의 구조적 특성을 정량화하는 데 유용함을 입증한다.

핵심적인 교훈은 다음과 같다. (1) RN 분석은 기본적으로 시스템이 시간에 대해 통계적 특성을 유지한다는 가정에 의존한다. (2) 비정상 과정에 직접 적용하면 임베딩 파라미터와 시계열 길이에 따라 결과가 크게 달라져 물리적 의미를 잃는다. (3) 정상성을 확보한 후(예: 차분, 트렌드 제거) RN을 적용하면, Hurst 지수와 같은 장기 상관 특성을 네트워크 지표와 직접 연결시킬 수 있다. 따라서 fBm에 대한 기존 연구(Liu et al., 2014)는 비정상성을 무시한 채 임베딩 파라미터를 임의로 선택했기 때문에, 보고된 RN 특성은 실제 동적 구조를 반영하지 않는다는 것이 저자들의 결론이다.