혼합 모델에서 코디퍼런스를 이용한 새로운 분산·의존성 측정법

초록

코디퍼런스는 전통적으로 무한분산을 갖는 안정분포에서 의존성을 나타내는 도구로 사용돼 왔지만, 본 논문은 이를 보다 일반적인 무거운 꼬리와 비정규 분포에도 적용할 수 있음을 보인다. 변수 스케일 혼합 모델을 중심으로 코디퍼런스의 정의 영역을 확장하고, 대칭·비대칭·동적 형태의 세 가지 변형을 제시한다. 코디퍼런스는 공분산이 꼬리까지 반영하는 반면, 꼬리의 영향을 크게 억제하면서 분포의 ‘핵심’ 특성을 측정한다. 또한 비선형 메모리와 비선형 의존성을 탐지하는 데 유용하며, 추정량의 점근적 분포와 신뢰구간을 제공한다.

상세 분석

본 논문은 코디퍼런스(codifference)를 기존 안정분포 전용 도구에서 탈피시켜, Lebesgue 밀도를 갖는 대칭 확률변수 전반에 적용 가능한 일반화된 프레임워크를 제시한다. 먼저 정의 1에서 ‘D’라는 클래스는 양정정밀도(positive‑definite) 특성을 갖는 밀도와, 필요시 0에 대한 원자점(atom at 0)을 포함한다. 이 조건은 특성함수 φ_X(θ) 가 실수값이며 |φ_X(θ)|→0 (θ→±∞) 를 보장한다. 이러한 특성은 φ_X 가 단조 감소(unimodal)일 경우 더욱 강력해진다.

다음으로 정의 2에서 도입된 ‘lcf’(log‑characteristic‑function) l_θ(X)=−2θ⁻² ln E