Transcripts and Algebraic Distances in Time Series: Stochastic Properties and Nonparametric Dependence Tests

기술 요약: 시계열의 전사본과 대수적 거리

문제 제기
본 논문은 단변량 연속 분포 시계열에서의 순차적 종속성 검출을 다룬다. 값의 순위 순서에 기반한 기호적 표현인 순서 패턴 (Ordinal Patterns, OPs) 의 사용은 종속성 구조 분석을 위한 표준 도구가 되었으나, 기존 방법론들은 주로 이러한 패턴의 주변 빈도에 의존한다. 저자들은 OPs 의 대수적 구조 (대칭군의 원소로 간주됨) 가 종속성 검정을 위해 충분히 활용되지 않았다고 주장한다. 구체적으로, 순위 순서가 시간에 따라 어떻게 진화하는지 역동성을 포착하는 연속된 OPs 간의 "차이" 또는 관계는 비모수적 검정 프레임워크에서 미활용된 채 남아 있다.

방법론
제안된 접근법은 원래 시계열을 **전사본 (transcripts)**과 대수적 거리의 시퀀스로 변환한다.

1. 개념적 프레임워크:

   • 순서 패턴 (OPs): 시계열은 $m$개의 연속된 관측치에 대한 상대적 순서에 기반하여 순열 $\pi_t \in S_m$ (차수 $m$인 대칭군) 의 시퀀스로 이산화된다.
   • 전사본 (Transcripts): 연속된 OPs 간의 군론적 "차이"로 정의된다: $\tau_t = \pi_{t+1} \circ \pi_t^{-1}$. 이 개념은 가법군에서의 원소 뺄셈을 비가환 대칭군으로 일반화한 것이다.
   • 편집 거리 (Edit Distances): 저자들은 전사본에서 유도된 두 가지 특정 척도를 활용한다:
     • 케이리 거리 ($d_C$): 한 순열을 다른 순열로 변환하는 데 필요한 최소 전치 (transpositions) 수.
     • 켄달 거리 ($d_K$): 인접한 전치를 수행하는 데 필요한 최소 전치 수.
   • 이러한 거리들은 전사본의 노름으로 밝혀졌으며, 대수적 구조를 직접적으로 측정 가능한 비유사성과 연결한다.

2. 확률적 성질:

   • 논문은 귀무가설인 순차적 독립성 (i.i.d.) 하에서 세 가지 특정 과정 유형에 대한 전사본 및 결과 거리의 주변 분포를 유도한다:
     • 표준 i.i.d. 과정.
     • 대칭 랜덤 워크 (SRW).
     • 일반화된 동전 던지기 (GCT) 과정.
   • 전사본 및 거리의 주변 분포가 i.i.d. 과정과 순차적 종속 과정 (예: AR(1), SRW, GCT) 사이에서 현저히 다르다는 것이 입증되었다. 예를 들어, 양의 종속성은 제로 거리 전사본 (반복된 OPs) 의 빈도를 증가시키는 경향이 있는 반면, 음의 종속성은 이를 감소시킨다.
   • 이변량 분포: 저자들은 i.i.d. 과정에 대해 지연 $h=1, 2, 3$에서의 전사본의 결합 분포를 유도하여 종속성 구조 (구체적으로, i.i.d. 입력의 경우 전사본 시퀀스가 3-종속임을) 를 확립한다.

3. 점근 이론 및 검정 통계량:

   • $\alpha$-혼합 (구체적으로 $q$-종속) 과정에 대한 중심극한정리를 사용하여, 저자들은 전사본 및 거리의 상대 빈도 벡터의 점근적 정규성을 확립한다.
   • 이러한 점근성에 기반하여, 순차적 독립성에 대한 귀무가설을 검정하기 위해 여섯 가지 새로운 검정 통계량이 제안된다:
     • 평균 거리 검정: $d_C$ 및 $d_K$ (케이리 및 켄달 거리의 표본 평균).
     • 엔트로피/편차 검정: $H_\tau, H_C, H_K$ (관측 빈도와 이론적 빈도 간의 쿨백 - 라이블러 발산).
     • 적합도 검정: $\Delta_\tau, \Delta_C, \Delta_K$ (피어슨 통계량).
   • 엔트로피 및 피어슨 통계량의 점근적 분포는 독립 카이제곱 변수의 이차형식으로 유도되었으며, i.i.d. 경우에 대한 고유값이 명시적으로 계산되었다.

주요 결과

• 이론적 유도: 논문은 i.i.d., SRW, GCT 과정에 대한 전사본 및 거리의 주변 및 이변량 분포에 대한 폐형식 (closed-form) 표현식을 제공한다. 평균 케이리 및 켄달 거리가 종속성 유형 (과정의 종류에 따라 증가하거나 감소) 에 민감함을 확립한다.
• 시뮬레이션 연구: 포괄적인 시뮬레이션 연구는 새로운 전사본 기반 검정을 다음과 비교한다:
  • 모수적 ACF 검정.
  • 기존 비모수 OP 기반 검정 (Weiß, 2022 의 엔트로피, 피어슨, $\beta$, $\tau$ 검정).
  • 결과:
    • 새로운 검정은 일반적으로 이전 OP 기반 검정, 특히 AR(1) 과정과 가산적 이상치로 오염된 과정에 대해 우수한 검정력을 보인다.
    • 켄달 거리 기반 검정 ($d_K$, $H_K$, $\Delta_K$) 과 전사본 기반 검정 ($H_\tau$, $\Delta_\tau$) 은 선형 및 비선형 대안 전반에 걸쳐 일관되게 강력한 성능을 보인다.
    • 케이리 거리 기반 검정 ($d_C$, $H_C$, $\Delta_C$) 은 혼합된 성능을 보이며, ARCH(1) 과정에서는 특히 뛰어나지만 다른 과정에서는 덜 잘 수행된다.
    • 제안된 모든 검정은 이상치에 대한 강건성을 보여주며, 오염된 시나리오에서 ACF 검정보다 우수한 성과를 낸다.
• 실제 적용: 본 방법은 함부르크의 월별 기온 데이터 (1936–2024) 에 적용되었다. 계절 차분을 수행한 후, 전사본 기반 검정 (특히 $H_\tau$, $H_K$, $\Delta_K$) 은 순차적 독립성에 대한 귀무가설을 성공적으로 기각하여, 일부 경쟁 OP 기반 검정이 놓치거나 모호하게 찾았던 종속성 구조를 탐지했다.

의의 및 주장
저자들은 이 작업이 OPs 의 대수적 군 구조를 활용함으로써 OPs 의 유용성을 확장했다고 주장한다. OPs 를 단순한 기호가 아닌 군의 원소로 취급함으로써, 전사본과 편집 거리의 도입은 시계열의 종속성 구조에 대한 더 풍부한 표현을 제공한다.

논문은 다음과 같이 주장한다:

1. 전사본은 새로운 분석 차원을 제공한다: 그들은 상태 자체의 주변 빈도와 구별되는 연속된 상태 간의 "차이"를 포착한다.
2. 향상된 성능: 제안된 비모수 검정은 종종 이전 OP 기반 검정 및 표준 ACF 검정을 능가하며, 특히 다양한 선형 및 비선형 대안에 대한 검정력과 이상치에 대한 강건성 측면에서 그렇다.
3. 실용적 유용성: 이 접근법은 계산적으로 실현 가능하며, 실제 데이터에서 순차적 종속성을 탐지하기 위한 기존 도구들에 가치 있는 보완재를 제공한다.

저자들은 현재 프레임워크가 단변량 자기 전사본에 초점을 맞추고 있지만, 대수적 접근법은 **다변량/결합 시스템을 위한 교차 전사본 (cross-transcripts)**과 공간 순서 패턴을 포함한 유망한 미래 방향을 시사한다고 결론지었다. 또한, 더 복잡한 과정에 대한 폐형식 분포를 유도하는 것은 향후 연구의 열린 과제로 남아 있다고 언급한다.