무한분할 가능성 커버리지 과정의 일반화와 응용

본 논문은 “Generalized Coverage Processes with Infinitely Divisible Finite Dimensional Distributions”(GCID)라는 새로운 확률 과정 클래스를 제안한다. 먼저 저자들은 전통적인 Ornstein‑Uhlenbeck (OU) 과정의 특성함수 전개를 재검토한다. OU 과정은 Gaussian이며, 그 특성함수는 θ_i와 θ_j의 이차합으로 표현된다. 이를 일반적인 무한분할 특성지수 ψ(·)와 콘케이브 누적분포 함수 H(·)로 대체함으로써, Gaussian 제한을 넘어서는 보다 넓은 클래스의 과정을 정의한다. 핵심 아이디어는 다음과 같다. 임의의 무한분할 분포 ϕ(θ) 의 로그인 ψ(θ)=iβθ−½σ²θ²+∫(e^{iθx}−1−iθx1_{|x|<1})ν(dx) 를 사용한다. H는 0에서 시작하고 비감소이며, 콘케이브 성질을 갖는다. 시간 인덱스 t_1≤…≤t_n 에 대해 a_{ij}=H(t_j−t_i−1)−H(t_j−t_i)−H(t_{j+1}−t_i−1)+H(t_{j+1}−t_i) 를 정의하면, 콘케이브 성질 때문에 a_{ij}≥0 이다. Lemma 2는 a_{ij}와 ψ를 이용해 다변량 특성함수 ϕ_n(θ_1,…,θ_n)=exp{∑_{i≤j} a_{ij} ψ(θ_i+…+θ_j)} 가 실제 확률분포의 특성함수임을 증명한다. 여기서 각 (i,j) 쌍마다 독립적인 Lévy 프로세스 Z_{ij}(·) 를 도입하고, Y=∑_{i≤j} Z_{ij}(a_{ij})u_{ij} 로 구성하면 Y의 특성함수가 바로 ϕ_n이 된다. 따라서 ϕ_n 은 무한분할성을 유지하면서도 원하는 상관구조를 구현한다. Theorem 3에서는 이러한 ϕ_n 이 Kolmogorov 일관성을 만족함을 보인다. 즉, 어떤 차원의 특성함수를 다른 차원으로 마진하면 동일한 형태의 특성함수가 남는다. 따라서 시간에 대한 연속적인 인덱스를 갖는 확률 과정 {X_t}_{t∈ℝ} 가 존재한다. 이 과정은 정적이며, 각 시점의 한계 분포는 원래의 무한분할 분포 ϕ와 동일하다. 평균이 0이고 두 번째 모멘트가 존재하면, 공분산은 Cov(X_t, X_{t+h}) = -ψ''(0)