오르니엔 울렌베크 잡음 구동 확률 과정 직접 추정법

초록

본 논문은 오르니엔-울렌베크(OU) 잡음에 의해 구동되는 1차 스칼라 랑주뱅 과정의 매개변수를, 관측 가능한 X 시계열만을 이용해 직접 추정하는 방법을 제시한다. 스토캐스틱 테일러 전개를 이용해 X의 증분 모멘트를 시간 간격 τ에 대한 함수 형태로 전개하고, 이를 유한 개의 기본 함수 r_i(τ,θ)와 가중계수 λ_i(x,θ)로 근사한다. 비선형 최소화로 θ를 추정한 뒤, 선형 회귀로 λ_i를 구해 drift와 diffusion 함수 f, g를 복원한다. 이 방법은 기존의 베이지안 MCMC나 미분값 추정 기반 임베딩 방식보다 구현이 간단하고, θ→0 한계에서 기존의 직접 추정법을 재현한다.

상세 분석

본 연구는 비마코프적 특성을 갖는 스칼라 확률 과정 X(t)를, OU 잡음 η(t)와 결합된 2차원 마코프 과정으로 재구성한 뒤, 실제로는 X(t)만 관측되는 상황에서 매개변수 추정을 수행한다는 점에서 의미가 크다. 핵심 아이디어는 스토캐스틱 테일러 전개를 이용해 X(t)의 증분 ΔX(τ)=X(t+τ)−X(t)를 무한 급수 형태로 표현하고, 각 항을 다중 적분 J_α(τ)와 계수 c_α(x)로 분리하는 것이다. 여기서 α는 0과 1로 이루어진 다중 인덱스로, 0은 시간 적분, 1은 OU 잡음에 대한 적분을 의미한다. 이러한 전개는 OU 잡음의 정확한 해(η(t)=η(0)e^{−t/θ}+… )를 활용해 적분들의 평균값 φ_α(τ,x)=⟨J_α|x⟩을 계산할 수 있게 만든다. φ_α는 η의 m점 상관함수와 초기값 η(0)의 조건부 평균을 포함하는 복합 구조이며, η가 가우시안이므로 짝수 차수만 비제로가 된다. 논문은 φ_α를 τ와 θ의 함수인 기본 함수 r_i(τ,θ)들의 선형 결합으로 근사하고, 이를 실제 데이터에서 추정된 1차·2차 모멘트 M^{(1)}(τ,x), M^{(2)}(τ,x)와 비교한다. 구체적으로는 먼저 비선형 최소화로 θ를 추정하고, 이후 λ_i(x,θ)를 선형 회귀로 구해 c_α(x)를 복원한다. c_α는 f와 g의 도함수와 직접 연결되므로, 최종적으로 drift f(x)와 diffusion g(x)를 얻을 수 있다. 이 방법은 θ→0 일 때 r_i가 τ의 거듭제곱으로 단순화되어 기존의 직접 추정법을 포함한다는 점에서 일관성을 보인다. 또한, 베이지안 MCMC와 달리 고차원 파라미터 공간을 탐색할 필요가 없으며, 수치 미분에 의존하는 임베딩 방식보다 잡음에 의한 인위적 상관을 최소화한다. 한계점으로는 τ와 θ가 X의 고유 시간척도 T에 비해 충분히 작아야 급여가 수렴한다는 가정과, φ_α의 근사에 사용되는 함수 집합 r_i가 문제에 따라 적절히 선택되어야 한다는 점이다. 실험적 검증에서는 알려진 f, g, θ를 갖는 합성 데이터에 대해 제안된 회귀 절차가 정확히 파라미터를 복원함을 보여, 실제 물리·생물 시스템에 적용 가능함을 시사한다.