장기기억의존성

1. 개념과 역사 Concept and Origins

장기기억의존성(long-range dependence, 장기기억 long memory와 동의어)은 일부 정상과정(stationary process)이 갖는 성질이다. 직관적으로는 "기억이 매우 오래 지속되는 정상 확률과정"을 뜻하지만, 이 용어는 단순히 "기억이 길다"는 것 이상을 의미한다. 기억이 너무 길어서 확률과정의 거동이 극적으로 달라지고, 통상의 통계 도구들이 장기기억 과정에서 나온 관측에 적용했을 때 무너질 정도로 길다는 뜻이다.

장기기억의존성이 독자적 관심거리로 인식된 것은 1960년대 후반 B. 만델브로(Mandelbrot)와 동료들의 일련의 논문에서 비롯한다. 이들은 영국 수문학자 허스트(Hurst)가 발견한 경험법칙, 곧 허스트 현상(Hurst phenomenon)을 간결하게 설명하려 했다. 허스트는 나일강 연간 최저수위에 R/S 통계량을 적용해, 이 통계량이 관측개수 n의 함수로서 n^H(여기서 H > 1/2)처럼 증가함을 관찰했다.

R/S 통계량은 대략 부분합의 재척도화된 범위(rescaled range)인데, 기억이 "너무 길지 않은" 정상과정에서 나온 관측이라면 중심극한정리에 따라 n^1/2처럼 자랄 것으로 기대된다. 허스트 현상을 설명하기 위해 만델브로는 분수 브라운운동(fractional Brownian motion)이라 명명한, 정상증분을 갖는 자기상사 가우스 과정을 사용했다.

2. 자기상사성과 분수 브라운운동 Self-similarity and Fractional Brownian Motion

확률과정 (Y(t), t ≥ 0)이 자기상사(self-similar)라는 것은, 어떤 H가 존재하여 임의의 c > 0에 대해 시간을 척도화한 과정 (Y(ct))이 공간을 척도화한 과정 (c^HY(t))과 동일한 유한차원분포를 갖는다는 뜻이다.

모수 H를 자기상사 지수(exponent of self-similarity)라 한다. 분수 브라운운동 (B_H(t))은 0에서 출발하고 자기상사 지수가 0 < H < 1 범위에 있으며, 자기상사성과 증분의 정상성에 의해 유일하게 결정되는 공분산함수는 다음과 같다.

분수 브라운운동의 증분 X_i = B_H(i) − B_H(i−1)은 정상과정을 이루며 이를 분수 가우스 잡음(fractional Gaussian noise)이라 한다. 이 과정의 R/S 통계량은 n^H처럼 자라며, H > 1/2인 분수 가우스 잡음(허스트 현상을 설명함)이 장기기억의존성을 갖는 것으로 간주된다.

3. 상관함수에 의한 정의 Correlation-based Definitions

2차 적률이 유한한 정상과정에서는 상관의 감쇠 속도로 기억의 길이를 재는 것이 더 쉽다. 그런 과정은 상관함수 (ρ_n)이 다음을 만족하면 흔히 장기기억의존이라 부른다.

ARMA(p,q) 모형이나 유한상태 에르고딕 마르코프연쇄 같은 "통상적" 모형에서는 상관함수가 지수적으로 빠르게 감쇠한다. 반면 분수 가우스 잡음의 상관함수는 ρ_n ∼ C_H n^−2(1−H)를 만족하여, H > 1/2이면 위 정의에 따라 장기기억의존이 된다.

문헌에 등장하는 다른 상관 기반 정의로는 ρ_n = L_n n^−d (0 ≤ d < 1), 또는 (d ≥ 0) 형태가 있는데, 여기서 L_n은 무한대에서 천천히 변하는 함수다. 유한분산 정상과정에서는 스펙트럼 영역으로도 정의할 수 있어, 스펙트럼밀도 f(λ)가 f(λ) = l(λ)λ^−(1−d) 꼴이거나, 0에서 유한 극한을 갖지 않으면 장기기억의존이라 한다.

4. 자기상사·위상전이 접근과 실무적 의의 Self-similarity, Phase Transitions, and Practice

상관에 기반한 정의는 2차 적률이 무한한 정상과정에는 적용되지 않고, 유한분산이어도 과정이 가우스가 아니면 상관이 충분한 정보를 주지 못한다는 약점이 있다. 그래서 또 다른 접근은 자기상사성과 척도화(scaling)에 기반한다. 정상증분을 갖는 자기상사 과정에서, 그 증분이 이루는 정상과정은 자기상사 지수 H가 어떤 문턱(유한분산이면 보통 1/2)을 넘으면 장기기억의존으로 간주된다.

더 최근의 접근은 위상전이(phase transitions)에 기반한다. 정상과정의 모수공간을 두 부분으로 나눌 수 있고 그 경계를 넘을 때 중요한 범함수의 거동이 극적으로 바뀐다면, 그 경계가 단기기억과 장기기억을 가르는 경계가 될 수 있다(꼬리 두께 변화 같은 "비기억" 원인이 끼지 않는 한).

거의 모든 합리적 정의에 따른 장기기억 정상과정은, 추세·수준변화·겉보기 주기성이라는 정상성과 어긋나 보이는 두드러진 특징을 자주 보인다(앞의 ARIMA(0, 0.4, 0) 모의경로에서 뚜렷하다). 이런 특징을 가진 자료를 만났을 때 우리는 (a) 비정상 모형, (b) 비정상 경계에 가까운 단기기억 정상모형, (c) 정상 장기기억 모형 중 무엇을 쓸지 정해야 한다. 흔히 마지막 것이 자료를 가장 간결하게 기술하며, 새 관측이 들어와도 그대로 유지될 수 있다는 점이 장기기억 모형이 중요한 진짜 이유다.

참고 및 관련 표제어

부록. 이 글에 나온 용어 (배경지식 보충)

• 정상과정 (stationary process) — 통계적 성질(평균·자기상관)이 시간이동에 불변인 확률과정.
• 장기기억의존성 (long-range dependence) — 상관이 거듭제곱으로 천천히 감쇠해 그 합이 발산하는 성질.
• 허스트 현상·허스트 지수 H (Hurst phenomenon) — R/S 통계량이 n^H(H>1/2)로 자라는 경험법칙.
• R/S 통계량 (rescaled range) — 부분합의 범위를 표준편차로 재척도화한 통계량. 기억 길이의 척도.
• 자기상사 과정 (self-similar process) — 시간 척도화와 공간 척도화가 분포적으로 같은 과정.
• 분수 브라운운동 (fractional Brownian motion) — 정상증분·자기상사 가우스 과정. 지수 0<H<1.
• 분수 가우스 잡음 (fractional Gaussian noise) — 분수 브라운운동의 증분이 이루는 정상과정.
• 상관함수 ρ_n (autocorrelation) — 시차 n만큼 떨어진 값들의 상관. 감쇠 속도로 기억을 진단.
• 천천히 변하는 함수 (slowly varying function) — L(cx)/L(x) → 1인 함수. 거듭제곱 항의 보정.
• ARIMA / 분수차분 — 차분 차수 d를 분수로 둔 시계열모형. 0<d<1/2에서 장기기억.

한국보험시장 현황 Korea Market Practice

장기기억의존성(LRD)이 한국 보험 계리 실무에서 가장 직접적으로 등장하는 영역은 보험금 청구의 시계열 분석과 금리·손해율의 장기 예측이다. 실손보험 손해율, 자동차보험 사고 빈도, 장기보험 해지율 등 장기 시계열 데이터에는 단기 자기상관 이상의 지속성이 존재하며, 이를 단순 ARMA 구조로 적합하면 잔차에 구조적 상관이 남는다. ARFIMA(분수차분 ARIMA) 모형은 이 장기 의존 구조를 명시적으로 모형화할 수 있어, 준비금 추세 분석이나 장기 손해율 시나리오 생성에 활용 잠재력이 높다.

IFRS17 시행(2023)으로 보험계약의 잔여 보장기간 전체에 걸친 현금흐름 추정이 의무화되면서, 장기 가정의 시계열 안정성이 중요해졌다. 의료비 인플레이션, 실손 손해율, 사망률 개선 속도 등은 단기 변동보다 장기 추세—즉 허스트 지수로 포착되는 지속성—가 CSM(계약서비스마진)과 보험부채 평가에 더 큰 영향을 미친다. K-ICS(2023) 금리위험 측정에서도 이자율 충격 시나리오의 지속 기간 가정이 실질적으로 LRD적 성격을 띤다.

Cat(재해) 모형과 농작물·풍수해 보험의 손해 예측에서도 장기기억이 문제된다. 태풍 발생 빈도나 집중호우 손해의 연별 클러스터링은 독립적이지 않으며, 연도별 상관이 수십 년 스케일로 이어지는 패턴이 관측된다. 국내 Cat 모형이 글로벌 표준(AIR, RMS)을 참조할 때도 한국 지역 특성(황해·남해 태풍 경로, 내륙 집중호우)의 시계열 종속구조를 별도로 보정해야 한다.