텐서 기반 확산지수 예측: CP 요인 모델과 고차원 회귀의 새로운 접근

초록

본 논문은 텐서 형태의 경제 데이터를 CP(Canonical Polyadic) 저차원 요인 모델로 보존하면서 확산지수 예측을 수행한다. 비텐서 예측변수가 적을 때는 OLS 추정의 일관성과 점근정규성을 증명하고, 요인 추정 불확실성을 반영한 예측구간을 제시한다. 비텐서 변수가 고차원일 경우 LASSO 기반의 다중소스 요인-희소 회귀를 도입해 추정량의 일관성을 확보한다. 시뮬레이션과 미국 무역 흐름 실증을 통해 제안 방법의 우수성을 확인한다.

상세 분석

이 연구는 기존 확산지수 모델이 다루기 어려운 다차원(텐서) 데이터를 그대로 활용한다는 점에서 혁신적이다. 텐서 Xₜ를 CP 저차원 구조 Xₜ = ∑{i=1}^r s_i · a{i1}⊗…⊗a_{iK}+Eₜ 로 가정하고, 각 모드별 로딩벡터 a_{ik}를 CC‑ISO 알고리즘(Chen et al., 2026)으로 반복적으로 추정한다. 강한 요인과 약한 요인을 구분하는 ‘요인 강도’ s_i 를 명시적으로 모델에 포함시켜, 요인 강도가 서로 다를 때도 일관성과 점근정규성을 확보한다는 점이 기존 Bai‑Ng(2006) 접근과 차별된다.

비텐서 예측변수 wₜ가 p≪T인 경우, OLS로 β̂₀,β̂₁을 추정하고, f̂ₜ와 wₜ를 결합해 y_{T+h}를 예측한다. 여기서 핵심은 요인 추정 오차가 β̂에 미치는 영향을 정확히 계량화한 예측구간 공식이다. 저자는 idiosyncratic 오차 Eₜ의 교차섹션 의존성을 고려한 임계값 기반 공분산 행렬 추정기를 제안한다. 이 추정기는 max‑norm 수렴률을 보이며, 기존의 단순 대각선 근사보다 강건하다.

비텐서 변수가 고차원(p≈T 혹은 p≫T)으로 확장될 때는 두 단계 추정법을 도입한다. 첫 단계에서 CP 요인으로부터 f̂ₜ를 얻고, 두 번째 단계에서 LASSO(또는 SCAD 등)으로 wₜ의 희소 계수를 선택한다. 저자는 이 절차가 ‘다중소스 요인‑희소 회귀’(multi‑source factor‑augmented sparse regression)라 명명하고, 정규화 파라미터가 적절히 선택될 경우 β̂와 γ̂(희소 계수)의 ℓ₂ 일관성을 증명한다. 특히 요인 강도가 약한 경우에도 수렴 속도가 요인 강도와 T에 의해 결정된다는 점을 이론적으로 명시한다.

시뮬레이션에서는 (i) 요인 강도가 서로 다른 경우, (ii) 교차섹션 상관이 존재하는 idiosyncratic 오차, (iii) 고차원 wₜ와 저차원 wₜ 상황을 각각 검증한다. 결과는 제안된 공분산 추정기가 기존 방법보다 RMSE와 커버리지 면에서 우수함을 보여준다. 실증에서는 미국‑중국 무역 흐름을 3차원 텐서(N × N × T)로 구성하고, 거시경제 변수들을 비텐서 wₜ에 포함시켜 예측 정확도를 비교한다. CP‑요인 기반 모델이 전통적인 VAR, 전통적 확산지수, 그리고 단순 벡터화 방법보다 평균 절대 오차(MAE)와 예측 구간 커버리지를 현저히 개선한다.

전반적으로 이 논문은 (1) 텐서 구조 보존을 통한 요인 추정, (2) 요인 강도 이질성 허용, (3) 고차원 비텐서 변수와의 통합 회귀, (4) 강건한 공분산 추정 및 예측구간 제공이라는 네 가지 핵심 기여를 동시에 달성한다는 점에서 경제·계량학 분야에 중요한 방법론적 진전을 제공한다.