샘플링 주기와 피드백을 동시에 설계하는 와서스테인 분포 강건 제어: 볼록 완화와 성능 보증

초록

본 논문은 샘플링‑데이터 구조를 갖는 곱셈 잡음 시스템에 대해, 피드백 정책과 샘플링 주기를 공동 최적화하면서 와서스테인 거리 기반의 불확실성 집합을 고려한 분포 강건 제어 프레임워크를 제시한다. “concave‑max” 구조로 인한 강한 이중성 부재를 일반 최소‑최대 부등식으로 우회해 볼록 완화를 도출하고, 라플라시안·스무스성 가정 하에 비대칭적이지만 명시적인 이중성 갭 상한을 제공한다. 또한, 상태 양성 유지(robust viability) 조건을 제시하고, 최적 완화값이 장기 평균 효용률의 확정적 하한이 됨을 ergodic 이론과 연결한다. 마지막으로 로그‑유틸리티 기반 포트폴리오 예시를 통해 실험적 유효성을 확인한다.

상세 분석

본 연구는 샘플링‑데이터 제어와 와서스테인 기반 분포 강건 최적화라는 두 분야를 자연스럽게 결합한다는 점에서 학술적 의의가 크다. 먼저 시스템 모델은 이산시간 곱셈 잡음 형태 V_{k+1}=V_k·Φ_n(u_k,X_{k,n}) 로 정의되며, 여기서 Φ_n은 제어와 외란을 동시에 반영하는 양의 성장 계수이다. 제어 설계 변수는 피드백 입력 u와 샘플링 주기 n이며, 두 변수는 성장 계수 Φ_n에 비선형적으로 결합돼 전통적인 선형‑이차(LQ) 접근법으로는 다루기 어렵다.

핵심 난점은 효용 함수 U가 concave(볼록이 아님)하고, 최악의 확률분포를 찾는 내부 최적화가 “concave‑max” 형태를 만든다는 점이다. 일반적인 와서스테인 DRO는 손실 함수가 convex일 때 Sion의 최소‑최대 정리를 적용해 정확한 이중화가 가능하지만, 여기서는 concave 구조 때문에 강한 이중성이 깨진다. 저자들은 이를 해결하기 위해 일반 최소‑최대 부등식(minimax inequality)을 활용, 원문 문제의 하한을 제공하는 볼록 완화를 구성한다. 이 과정에서 제어 가능한 집합 U_v(n;η)와 외란 지원 X_n이 모두 콤팩트하고, r_n(u,x)=U(Φ_n(u,x))가 u에 대해 convex, x에 대해 concave라는 구조적 가정을 두어 semi‑infinite 제약을 볼록화한다.

이론적 기여는 크게 네 부분으로 나뉜다. 첫째, Proposition 3.5에서 라플라시안(L‑smooth) 상수 L_n과 외란 지원 직경 D_n에만 의존하는 비대칭적 이중성 갭 상한을 명시적으로 도출한다. 이는 ambiguity radius ε와 무관하게 보수적 완화가 과도하게 보수적이지 않음을 보장한다. 둘째, Lemma 2.8(robust viability)에서는 모든 가능한 분포에 대해 Φ_n(u,x)≥η 를 만족하도록 제어 집합을 정의함으로써 상태 양성 유지 조건을 수학적으로 명시한다. 셋째, Theorem 3.10과 Corollary 3.11을 통해, 최적 완화값 V^*가 ergodic 가정 하에 장기 평균 효용률의 확정적 하한이 됨을 증명한다. 이는 “정적 최적화값 = 동적 성능 하한”이라는 강력한 연결 고리를 제공한다. 넷째, Lemma 3.9에서는 샘플 기반 추정에 대한 확률적 신뢰 구간을 제시, 실무에서 데이터에 기반한 ε‑구간 설정이 정당함을 뒷받침한다.

실험에서는 로그‑유틸리티를 갖는 Kelly 포트폴리오 문제를 채택, S&P 500 대형주 데이터를 이용해 샘플링 주기와 포트폴리오 비중을 동시에 최적화한다. 제안 방법은 전통적인 마켓 베이스라인(고정 주기, 평균‑분산 최적화) 대비 다운사이드 위험을 크게 감소시키고, 위험조정 수익률(샤프 비율)에서도 우수한 성과를 보였다. 특히, 샘플링 주기를 늘려 거래 비용을 감소시키면서도 성장률 하한을 유지하는 점이 실용적이다.

전체적으로 본 논문은 곱셈 잡음 시스템에서 “concave‑max” 구조를 다루는 새로운 이론적 도구와, 이를 실시간 제어와 데이터‑구동 환경에 적용 가능한 알고리즘으로 전환한 점에서 학술·실무 모두에 의미 있는 기여를 한다.