조건부 분포 추정과 스칼라 정리의 새로운 접근

초록

본 논문은 Sklar 정리를 이용해 조건부 분포를 추정하는 방법을 제안한다. 경험적 체커보드와 Bernstein 근사를 통해 copula와 주변분포를 별도로 비모수적으로 추정하고, 이를 결합해 평균, 분위수, 기대값 회귀함수를 일관적으로 추정한다. 이론적 수렴 결과와 시뮬레이션, 실제 보험 데이터 적용을 제시한다.

상세 분석

본 연구는 조건부 분포 추정이라는 근본적인 질문에 대해 Sklar 정리를 활용하는 새로운 프레임워크를 제공한다. 먼저, 두 변수 (X, Y)의 결합분포 H를 주변분포 F, G와 copula A로 분해하는 Sklar 정리를 기반으로, copula A와 주변분포 F, G를 각각 비모수적으로 추정한다는 아이디어를 제시한다. 핵심 기술은 경험적 체커보드(Checkerboard)와 Bernstein 근사법을 이용한 copula 추정이다. 체커보드 근사는 N×N 격자를 이용해 원본 copula의 질량을 균등하게 재분배하는 방식으로, 구간별 평균 밀도를 이용해 절대연속적인 copula C_BN(A)를 구성한다. Bernstein 근사는 베르누이 확률질량을 기반으로 하는 다항식 전개를 통해 부드러운 근사 copula B_N(A)를 만든다. 두 방법 모두 기존 문헌에서 약한 조건부 수렴(weak conditional convergence)만을 보였으나, 저자는 “연속 마코프 커널(continuous Markov kernel)” 존재 하에 uniform conditional convergence을 증명한다. 이는 sup_{x,y∈