The Accuracy Smoothness Dilemma in Prediction: a Novel Multivariate M-SSA Forecast Approach

1. 연구 배경 및 문제 제기 (Problem)

• 예측의 복잡성: 예측은 종종 상충되는 목표 (정확도 vs. 부드러움) 사이에서 균형을 찾는 복잡한 추정 문제입니다.
• 기존 방법론의 한계: 전통적인 예측 최적화 방법은 주로 평균 제곱 오차 (MSE) 와 같은 단일 지표를 최소화하는 데 초점을 맞춥니다. 이는 예측의 정확도 (Level estimation) 는 높일 수 있지만, 예측값에 과도한 '노이즈'가 포함되어 불필요한 진동 (Spurious changes) 이나 위양성 (False alarms) 을 초래할 수 있습니다.
• 정확도 - 부드러움 (AS) 딜레마: 예측의 정확도를 높이면 부드러움이 떨어지고, 부드러움을 높이면 정확도가 희생되는 근본적인 트레이드오프가 존재합니다.
• 부족한 지표: 기존 방법들은 예측의 '부드러움'을 곡률 (Curvature) 과 같은 기하학적 개념으로만 정의하거나, 신호의 부호 변화 (Sign changes) 빈도를 고려하지 않아 경제 주기 (Business cycles) 와 같은 맥락에서의 의사결정 논리와 괴리가 있을 수 있습니다.

2. 방법론 (Methodology)

저자는 Wildi (2024, 2026) 가 제안한 부드러운 부호 정확도 (Smooth Sign Accuracy, SSA) 프레임워크를 다변량 (Multivariate) 환경으로 확장한 M-SSA를 제안합니다.

A. 핵심 개념: 홀딩 타임 (Holding Time, HT)

• 부드러움의 새로운 정의: 예측자의 부드러움을 '0 교차점 (Zero-crossings)' 사이의 평균 지속 시간인 홀딩 타임 (HT) 으로 정의합니다.
• 이론적 기반: Rice (1944) 의 연구에 기반하여, 정상 가우시안 과정에서 1 차 자기상관 (ACF) 과 기대 0 교차 횟수 (즉, HT) 사이에 수학적 관계가 성립함을 활용합니다.
  • $h_t = \frac{\pi}{\arccos(\rho)}$ (여기서 $\rho$는 1 차 자기상관 계수).
• 제약 조건: 예측자의 1 차 자기상관 계수 ($\rho_1$) 를 제어함으로써 HT 를 조절하고, 결과적으로 예측 경로의 부드러움을 제어합니다.

B. M-SSA 최적화 기준 (Optimization Criterion)

• 목적 함수: 목표 변수 ($z_{t+\delta}$) 와 예측자 ($y_t$) 간의 상관관계 (또는 부호 정확도, Sign Accuracy) 를 최대화합니다.
• 제약 조건:
  1. HT 제약: 예측자의 1 차 자기상관 계수를 사용자가 지정한 값 ($\rho_i$) 으로 제한합니다.
  2. 길이 제약: 필터 계수의 제곱합을 일정하게 유지합니다.
• 수식적 표현 (다변량):
  $$\max_{b_i} \gamma'_{i\cdot\delta} \tilde{I} b_i$$
  $$\text{s.t. } b'_i \tilde{M} b_i = \rho_i, \quad b'_i \tilde{I} b_i = 1$$
  • 여기서 $\tilde{I}$와 $\tilde{M}$은 공분산 행렬 $\Sigma$와 1 차 자기공분산 생성 행렬 $M$의 크로네커 곱 (Kronecker product) 으로 정의되며, 다변량 시계열 간의 교차 상관관계를 반영합니다.

C. 해법 (Solution)

• 스펙트럼 분해: 최적화 문제는 라그랑주 승수법을 통해 해결되며, 해는 고유값과 고유벡터를 이용한 스펙트럼 분해 형태로 표현됩니다.
• 파라미터 $\nu_i$: 최적 해는 하나의 매개변수 $\nu_i$에 의해 결정되며, 이 파라미터는 HT 제약 조건과 정확도 간의 균형을 조절합니다.
• 효율적 프론티어 (Efficient Frontier): $\nu_i$를 변화시킴으로써 정확도 (Target Correlation) 와 부드러움 (HT) 사이의 새로운 효율적 프론티어를 구성할 수 있습니다. MSE 예측기는 이 프론티어 위의 한 점에 불과하며, M-SSA 는 이를 확장하여 다양한 트레이드오프 지점을 제공합니다.
• 이중성 (Duality): M-SSA 는 주형 (Primal) 문제 (정확도 최대화, 부드러움 제약) 와 이중 (Dual) 문제 (부드러움 최대화, 정확도 제약) 로 해석될 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 다변량 프레임워크 확장: 기존 단변량 SSA 를 다변량 (Multivariate) 시계열로 확장하여, 여러 시계열 간의 교차 정보 (Cross-sectional information) 를 예측에 통합합니다.
2. 새로운 부드러움 지표 도입: 곡률 기반이 아닌 '0 교차점 빈도 (HT)'를 기반으로 한 부드러움 제약을 도입하여, 경제 주기 (확장/수축) 와 같은 실제 의사결정 맥락에 더 부합하는 예측을 가능하게 합니다.
3. 범용성 및 커스터마이징: M-SSA 는 예측 (Forecasting), 실시간 신호 추출 (Nowcasting), 평활화 (Smoothing) 등 다양한 목적에 적용 가능하며, 기존 기준 예측기 (MSE, HP 필터, Hamilton 필터 등) 를 정확도와 부드러움 측면에서 커스터마이징할 수 있는 유연성을 제공합니다.
4. 오픈 소스 도구 제공: R 패키지를 통해 이론적 결과를 실증적으로 재현하고 적용할 수 있는 도구를 공개했습니다.

4. 실증 결과 (Results)

논문은 세 가지 주요 영역에서 M-SSA 의 성능을 검증했습니다.

A. 예측 (Forecasting)

• VAR(1) 과정 적용: 2 변수 VAR(1) 과정을 사용하여 1 단계ahead 예측을 수행했습니다.
• 결과:
  • 특정 시계열에 대해서는 MSE 예측보다 부드러움을 희생하여 정확도를 높이는 (Unsmoothing) 설정이 가능했습니다.
  • 다른 시계열에서는 정확도를 약간 희생하면서 노이즈를 제거하는 (Smoothing) 설정이 가능했습니다.
  • 이는 사용자가 HT 제약 조건을 조절하여 예측 특성을 자유롭게 제어할 수 있음을 보여줍니다.

B. 평활화 (Smoothing)

• Whittaker-Henderson (HP) 필터 비교: 전통적인 HP 필터 (λ=14400) 와 M-SSA 평활화기를 비교했습니다.
• 결과:
  • 동일한 HT (부드러움) 수준을 유지할 때, M-SSA 는 HP 필터보다 더 높은 목표 상관관계 (정확도) 를 달성했습니다.
  • 동일한 목표 상관관계를 유지할 때, M-SSA 는 HP 필터보다 더 긴 HT (더 부드러운) 를 제공했습니다.
  • 이는 M-SSA 가 곡률 최소화가 아닌 0 교차점 제약을 통해 더 효율적인 평활화를 수행함을 의미합니다.

C. 신호 추출 (Signal Extraction / Nowcasting)

• 미국 산업생산지수 (INDPRO) 및 선도지표 (CLI) 적용:
  • 단변량 SSA, HP-C(동시 HP), 다변량 MSE, 다변량 M-SSA를 비교했습니다.
• 결과:
  • M-SSA는 단변량 SSA 보다 더 높은 정확도와 더 긴 HT(부드러움) 를 동시에 달성했습니다.
  • 선도 지표 (CLI) 의 효과: 다변량 M-SSA 는 CLI 를 활용하여 단변량 SSA 가 보였던 1 개월의 지연 (Lag) 을 제거하고, 오히려 HP-C 와 동시 (Coincident) 가 되거나 더 앞서는 (Lead) 성능을 보여주었습니다.
  • 실제 위기 대응: 금융 위기 및 팬데믹 기간 동안 M-SSA 는 목표 변수 (INDPRO) 의 추세를 더 잘 추적하면서도 불필요한 진동은 억제하는 것을 확인했습니다.

5. 의의 및 결론 (Significance)

• 이론적 의의: 예측 문제를 '정확도'와 '부드러움'이라는 두 가지 차원에서 동시에 최적화할 수 있는 새로운 수학적 프레임워크를 제시했습니다. 특히, 부호 변화 (Sign changes) 를 제어하는 것이 경제 주기 분석에 중요한 통찰을 제공함을 강조했습니다.
• 실무적 의의: 정책 결정자나 분석가들이 예측 모델의 '노이즈'와 '지연'을 스스로 조절할 수 있는 도구를 제공합니다. 기존의 블랙박스식 필터링을 넘어, 의사결정 로직에 부합하는 예측 경로를 설계할 수 있게 합니다.
• 확장성: 정상 시계열뿐만 아니라 비정상 (비정상 차분) 과정으로의 확장 가능성도 언급되었으며, 다양한 경제 지표의 실시간 모니터링 (Nowcasting) 에 강력한 도구로 활용될 수 있습니다.

요약하자면, 이 논문은 M-SSA를 통해 예측의 정확도와 부드러움 사이의 고전적인 딜레마를 해결하고, 다변량 정보를 활용하여 보다 정교하고 실용적인 예측 모델을 구축할 수 있음을 입증했습니다.