변화점 분석을 위한 새로운 정보 기준 개발

초록

본 논문은 변화점 분석에 적용 가능한 정보 기준을 제안한다. 기존의 AIC와 BIC가 갖는 한계를 극복하고, 파라미터와 사전 분포에 의존하지 않는 Frequentist Information Criterion(FIC)을 기반으로 복수 변화점을 탐지하는 알고리즘을 설계한다.

상세 분석

이 연구는 변화점 모델을 “상태 파라미터 θ 와 변화점 인덱스 i”라는 두 종류의 파라미터로 명확히 구분한다. 상태 파라미터는 정규 모델에 해당해 Fisher 정보가 충분히 크지만, 변화점 인덱스는 이산적이며 종종 Fisher 정보가 0에 가까운 ‘특이(singular)’ 파라미터이다. 이러한 특이성 때문에 전통적인 AIC는 복잡도(K)를 정확히 추정하지 못한다. 저자들은 이를 해결하기 위해 Frequentist Information Criterion(FIC)을 도입한다. FIC는 실제 데이터가 아닌 모델 자체의 확률분포 q(·|M) 에 대해 기대값을 계산함으로써 복잡도를 추정한다. 핵심은 ‘네스팅 복잡도(k)’를 정의하고, 이를 두 경우(식별 가능한 파라미터와 식별 불가능한 파라미터)로 나누어 근사한다. 식별 가능한 경우에는 AIC와 동일하게 파라미터 차원 d 만큼 복잡도가 증가하고(k⁺ = d), 식별 불가능한 경우에는 변화점 인덱스에 대한 통계량 U(N,d) 를 이용해 기대값 2 E