서로 다른 알고리즘이 만든 대체 시계열, 실제 선형인가?

초록

본 논문은 널리 사용되는 FT, AAFT, IAAFT 대체 시계열 생성 방법이 Fourier 위상 무작위성을 보장하지 못해, 실제로는 비선형 특성을 가진 시계열을 선형으로 오인하게 만든다는 점을 실증한다. AGN X‑ray 광도와 다우존스 일일 수익률을 대상으로 위상 지도와 상관계수, 비선형 예측 오차(NLPE)를 분석한 결과, AAFT·IAAFT는 위상 상관을 유발해 비선형 검출을 방해한다. 따라서 정적·동적 비선형성을 별도로 검증하고, 동적 비선형성 검증에는 위상이 완전히 무작위인 FT 대체 시계열을 사용해야 함을 제안한다.

상세 분석

논문은 먼저 비선형 데이터 분석에서 핵심적인 “대체 시계열(surrogate)” 방법론을 소개하고, 기존에 가장 많이 활용되는 세 가지 알고리즘—Fourier‑transform(FT), amplitude‑adjusted FT(AAFT), iterative AAFT(IAAFT)—의 작동 원리를 상세히 설명한다. FT는 원본 시계열의 스펙트럼을 그대로 유지하면서 위상을 무작위로 교체해 선형 가우시안 과정을 검증한다. AAFT는 비가우시안 데이터를 가우시안으로 순위 변환한 뒤 FT를 적용하고, 다시 원본 분포로 역순위 변환한다. IAAFT는 이 과정을 반복해 스펙트럼과 진폭 분포를 동시에 맞추려는 시도이다.

하지만 저자들은 AAFT와 IAAFT가 “위상 무작위성”이라는 핵심 가정을 위배한다는 점을 실험적으로 입증한다. 이를 위해 두 개의 실제 데이터—XMM‑Newton 위성으로 관측한 Seyfert 1 은하 Mrk 766의 X‑ray 광도 시계열(≈1,540 포인트)와 1896‑2012년 사이의 다우존스 산업지수 일일 수익률(≈29,070 포인트)—에 대해 각각 200개의 FT, AAFT, IAAFT 대체 시계열을 생성하였다.

위상 지도(phase map)를 이용해 φ_k와 φ_{k+Δ}의 2차원 분포를 시각화했을 때, FT 대체 시계열은 균일하고 무작위적인 점 구름을 보였지만, AAFT·IAAFT는 명확한 구조와 클러스터링을 나타냈다. 이를 정량화하기 위해 Δ=110까지의 위상 상관계수 c(Δ)를 계산했으며, AAFT와 IAAFT는 다수의 Δ에서 |c(Δ)|가 3σ 범위를 초과하는 경우가 110138건에 달했다. 이는 위상 재배열 단계가 위상 간의 독립성을 파괴한다는 것을 의미한다.

위상 상관이 비선형 통계량에 미치는 영향을 평가하기 위해 비선형 예측 오차(NLPE)를 사용하였다. AGN 데이터에서는 Δ=1일 때 AAFT와 IAAFT의 c(Δ)와 NLPE 사이에 강한 음의 상관(AAFT –0.68, IAAFT –0.94)이 관찰되었으며, 이는 NLPE가 위상 상관에 의해 크게 왜곡됨을 시사한다. 반면 금융 데이터에서는 뚜렷한 관계가 나타나지 않았지만, 전체적으로 AAFT·IAAFT가 비선형 검출력을 저하시킨다는 결론에 일치한다.

마지막으로 NLPE를 검정 통계량 S(ψ)로 변환해 3σ 기준을 적용했을 때, FT 대체 시계열을 이용한 검정은 Mrk 766에서 S≈8, 다우존스에서 S≈6으로 강한 비선형성을 밝혀냈다. 반면 AAFT·IAAFT는 모두 3σ 이하에 머물러 비선형성을 놓치게 된다.

이러한 결과는 “정적 비선형성(분포 변환)”과 “동적 비선형성(시간적 상관)”을 구분해서 검정해야 함을 강조한다. 동적 비선형성 검정에는 위상이 완전히 무작위인 FT 대체 시계열을, 정적 비선형성 여부는 원본 데이터의 진폭 분포가 가우시안인지 여부를 별도 테스트하는 것이 바람직하다. 현재 알려진 어떤 알고리즘도 스펙트럼·진폭·위상 세 요소를 동시에 만족시키지 못하므로, 기존 AAFT·IAAFT 결과를 재검토하고, 특히 약한 비선형성을 탐지하려는 연구에서는 FT 기반 대체 시계열을 기본으로 채택해야 한다.