시계열 두표본 평균 검정의 강건한 새로운 접근법

초록

본 논문은 시계열 데이터에서 두 집단 평균 차이를 검정하기 위한 강건한 두표본 t‑검정 방법을 제안한다. 직교 기저 함수를 이용한 series‑HAR(Long‑Run Variance) 추정과, 동일·이질 LRV 상황에 맞춘 Welch‑type 자유도 조정 t‑근사, 그리고 블록 재샘플링이 필요 없는 series‑HAR wild bootstrap(SHAR‑WB)를 개발한다. 고정‑K와 증가‑K 두 asymptotic 프레임워크를 모두 다루며, 이론적 정당성, 시뮬레이션 및 실증 적용을 통해 기존 커널 기반 방법보다 우수한 유한표본 성능을 입증한다.

상세 분석

이 연구는 시계열 데이터에서 흔히 발생하는 자기상관과 이분산성을 동시에 고려한 두표본 평균 검정이라는 실질적 문제에 초점을 맞춘다. 기존의 클래식 t‑검정과 Welch 검정은 독립성 및 정규성을 전제로 하지만, 경제·금융 시계열에서는 이러한 가정이 크게 위배된다. 저자는 이를 해결하기 위해 series‑HAR(Long‑Run Variance) 추정법을 도입한다. 구체적으로,