극값을 고려한 일일 기온 확산 모델 추정 및 프랑스 적용

본 논문은 일일 기온 시계열을 확산 과정으로 모델링하고, 기존 연구가 무시해 온 극값(고온·저온) 부분을 정량적으로 포함시키는 방법론을 제시한다. 서론에서는 기후·금융 분야에서 확산 기반 모델이 널리 쓰이지만, 대부분이 중앙값 중심의 통계량만을 고려하고 극단 사건에 대한 검증이 부족함을 지적한다. 특히 Vacik‑type Ornstein‑Uhlenbeck 모델은 확산 계수가 상태에 독립적이라 극단값을 과대·과소 예측한다는 한계를 보인다. 연구는 크게 다섯 단계로 진행된다. 첫 번째 단계에서는 평균 m(t)와 스케일 s(t) 를 비모수적 LOESS 로 추정한다. LOESS는 국소 1차 다항식 가중 회귀를 사용해 계절성·추세를 부드럽게 잡아내며, 경계 효과를 완화하기 위해 삼각형 가중 함수를 적용한다. 극단값을 1 % 정도 제거해도 평균 추정에 큰 변화가 없음을 확인하고, 이를 통해 robust한 평균 추정이 가능함을 보인다. 두 번째 단계에서는 평균·분산을 제거한 표준화 과정 Zₜ = (Xₜ − m(t))/s(t) 를 정의하고, 이 과정이 확산 방정식 dZₜ = b(Zₜ) dt + √a(Zₜ) dWₜ 를 따른다고 가정한다. 여기서 핵심은 확산 계수 a(z)가 상태에 따라 변한다는 점이다. 세 번째 단계에서는 극값 이론을 도입한다. Berman·Davis 가 제시한 정리를 활용해, stationary diffusion 의 불가능 경계 r₁, r₂ 와 GEV 분포의 shape parameter ξ 사이의 관계를 수식화한다. 구체적으로, ξ < 0 인 경우 상한 경계 r₂ 가 존재하고, a(z)는 r₂ 에 접근할 때 a(z) ≈ C·(r₂ − z) 형태의 일차 근사식을 만족한다. 이를 통해 경계값과 a′(r₂) 를 GEV 적합으로부터 추정한다. 네 번째 단계에서는 비모수적 커널 추정으로 b(z)와 a(z) 의 초기 형태를 얻고, 이후 두 구간(경계 근처와 내부) 각각에 3차 이하 다항식 형태를 적용한다. 경계 조건 a(r₂)=0, a′(r₂)=추정값, 그리고 ξ 로부터 얻은 기울기 제약을 강제한다. 파라메터는 plug‑in 방식의 최대우도 추정(MLE)으로 최적화한다. 저자는 Ait‑Sahalia 의 근사 likelihood 를 언급하지만, 계산량이 과다해 실제 적용에서는 사용하지 않는다. 다섯 번째 단계는 모델 검증이다. 50년간 3시간 간격으로 기록된 프랑스 일일 최고·최저 기온 데이터를 사용해 시뮬레이션을 수행한다. 검증 항목은 (1) 중앙·극단 구간의 marginal·conditional density, (2) 추정된 drift·diffusion 함수와 실제 함수의 일치도, (3) 특정 임계값 초과·미만 연속 일수(클러스터 길이) 분포, (4) GEV 파라메터 재추정값이다. 시뮬레이션 결과는 제안 모델이 기존 Vacik‑type 모델보다 겨울·여름 극단값을 더 정확히 재현하고, 클러스터 길이와 GEV 파라메터에서도 원 데이터와 높은 일치성을 보인다. 결론에서는 본 연구가 (i) 비모수적 추세 제거, (ii) 극값 이론을 통한 경계·기울기 설정, (iii) 비모수·파라메트릭 혼합 추정, (iv) 시뮬레이션 기반 검증이라는 네 단계 흐름을 제공함으로써, 장기·비정상적 추세와 극단 사건이 동시에 존재하는 기후 데이터에 확산 모델을 적용하는 새로운 프레임워크를 제시했다고 평가한다. 향후 연구에서는 계절성을 동시에 고려한 전체 데이터 적용, 고차원 확산 모델, 그리고 더 정교한 이산화 스킴(예: Talay‑type) 등을 탐구할 계획이다.