허스트 지수

1. 개요

나일강 수위 기록을 들여다보던 수문학자 한 명이, 결국 금융공학과 난류와 인터넷 트래픽을 동시에 건드리게 될 지수 하나를 발견했다.

허스트 지수(Hurst exponent) $H$는 시계열이나 확률 과정이 시간 스케일을 바꿔도 통계적으로 같은 모습을 유지하는 정도를 나타내는 $0 < H < 1$ 범위의 무차원 지수다. 자기유사 과정은 임의의 $a > 0$에 대해

$$X(at) \overset{d}{=} a^H X(t)$$

를 만족하며, 여기 지수에 앉아 있는 것이 바로 $H$다. 직관적으로는 “과거의 방향이 미래에 얼마나 남아 있는가”를 하나의 숫자로 압축한 값이다.

범위 구분: 프랙탈이 기하학적 자기유사와 차원을, 다중프랙탈이 하나가 아닌 지수 스펙트럼을, 멱법칙이 분포 꼬리의 스케일링을, 랑주뱅 동역학이 열욕 속 운동방정식을 다룬다면, 이 문서는 시계열의 시간 방향 기억을 지수 하나로 재는 추정 문제와 그 함정에 집중한다.

2. 세 가지 영역

$H$ 값	성질	증분 상관	대표 예
$H = 1/2$	무기억	0	브라운 운동, 무작위 걷기
$H > 1/2$	지속성	양(+)	하천 유량, 난류 속도장
$H < 1/2$	반지속성	음(−)	평균회귀 시계열, 스프레드

$H = 1/2$는 다음 걸음이 지난 걸음과 무관한 표준 무작위 걷기다. $H > 1/2$인 지속성(persistence) 과정은 올라갔으면 계속 올라갈 확률이 높아 추세가 길게 이어지고, $H < 1/2$인 반지속성(anti-persistence) 과정은 올라갔으면 내려올 확률이 높아 톱니처럼 잘게 진동한다. 주의할 것은 $H > 1/2$가 “예측 가능”을 뜻하지 않는다는 점이다. 상관이 있어도 그 크기가 잡음보다 작으면 아무 쓸모가 없다.

3. 분수 브라운 운동

$H$를 수학적으로 담는 표준 모형이 분수 브라운 운동(fractional Brownian motion, fBm) $B_H(t)$다. 평균 0의 가우시안 과정이며 공분산이 다음으로 정의된다.

$$\mathrm{Cov}\left(B_H(t), B_H(s)\right) = \tfrac{1}{2}\left(|t|^{2H} + |s|^{2H} - |t-s|^{2H}\right)$$

$H = 1/2$를 넣으면 $\min(t,s)$가 되어 통상의 브라운 운동으로 환원된다. 이 과정의 증분열 $X_k = B_H(k+1) - B_H(k)$를 분수 가우시안 잡음(fGn)이라 하며, 자기상관은

$$\rho(k) = \tfrac{1}{2}\left(|k+1|^{2H} - 2|k|^{2H} + |k-1|^{2H}\right) \sim H(2H-1)\,k^{2H-2}$$

로 감소한다. 핵심은 지수 $2H-2$다. $H > 1/2$면 $\sum_k \rho(k)$가 발산해 상관이 합할 수 없을 만큼 느리게 죽는데, 이것이 장기 기억(long-range dependence)의 정식 정의다. 주파수 영역에서는 fGn의 스펙트럼 밀도가 $S(f) \sim f^{1-2H}$로 저주파에서 발산하며, $H = 1/2$가 백색, $H \to 1$이 $1/f$ 잡음 쪽이다.

기하학적으로는 1차원 시계열 그래프의 프랙탈 차원이 $D = 2 - H$가 된다. $H = 1/2$인 브라운 경로의 그래프는 $D = 1.5$, $H = 0.9$인 매끄러운 추세는 $D = 1.1$. 2차원 거친 표면이면 $D = 3 - H$다.

4. R/S 분석과 그 편향

허스트가 원래 쓴 방법은 재조정 범위(rescaled range, R/S) 분석이다. 절차 자체는 단순하다.

1. 시계열을 길이 $n$의 구간으로 나눈다.
2. 각 구간에서 평균을 뺀 누적 편차 $Y_k = \sum_{i=1}^{k}(x_i - \bar{x})$를 만든다.
3. 범위 $R(n) = \max_k Y_k - \min_k Y_k$와 표준편차 $S(n)$을 구한다.
4. 여러 $n$에 대해 $\mathbb{E}[R/S] \sim c\,n^H$를 로그-로그 회귀하고, 기울기를 $H$로 읽는다.

허스트는 나일강을 포함한 수백 개 자연 시계열에서 이 기울기가 이론값 0.5가 아니라 평균 0.73 근처에 몰려 있음을 보고했다. 저수지 용량 설계에서 이 차이는 결정적이다 — 가뭄이 몇 년씩 이어질 확률이 무기억 가정보다 훨씬 크기 때문이다.¹

문제는 R/S가 단기 상관에 심하게 편향된다는 것이다. 장기 기억이 전혀 없는 AR(1) 과정이라도 계수가 크면 유한한 $n$ 범위에서 로그-로그 기울기가 0.6~0.7로 부풀어 오른다. R/S는 “느리게 죽는 상관”과 “빠르지만 강한 상관”을 구간 길이가 충분히 길어지기 전에는 구분하지 못한다. 여기에 짧은 $n$에서 $\mathbb{E}[R/S]$가 점근값보다 작아지는 유한 표본 편향까지 겹쳐, 보정(Anis-Lloyd 기대값)을 쓰지 않으면 회귀 구간을 어디로 잡느냐에 따라 $H$가 0.1씩 움직인다.

5. DFA와 웨이블릿 추정

그래서 현대적 실무는 추세제거 변동 분석(detrended fluctuation analysis, DFA)을 기본으로 쓴다.

1. 평균을 뺀 시계열을 누적합해 프로파일 $Y(i)$를 만든다.
2. 길이 $s$의 구간마다 $m$차 다항식을 최소제곱 적합해 빼낸다.
3. 잔차의 RMS $F(s)$를 구하고, $F(s) \sim s^{\alpha}$의 기울기를 읽는다.

DFA의 강점은 2단계다. 구간별로 다항 추세를 제거하므로 선형·이차 추세가 결과를 오염시키지 못한다(DFA-1은 선형까지, DFA-2는 이차까지). fGn을 입력하면 $\alpha = H$, fBm을 입력하면 $\alpha = H + 1$이 되므로 입력이 증분인지 누적인지를 반드시 구분해야 한다 — 이 혼동이 문헌의 $H$ 값이 1을 넘어가는 사고의 대부분을 차지한다.

웨이블릿 변환 기반 추정도 널리 쓰인다. 스케일 $2^j$에서 세부계수의 분산이 $\mathrm{Var}(d_{j,k}) \sim 2^{j(2H+1)}$로 스케일링하므로, $\log_2$ 분산을 $j$에 대해 회귀하면 된다. 소실 모멘트가 $M$개인 모웨이블릿은 $M-1$차까지의 다항 추세를 자동으로 죽이므로 DFA와 같은 추세 면역성을 얻으면서 계산은 $O(N)$이다. 모형을 믿을 수 있다면 주파수 영역 최대가능도인 Whittle 추정이 분산 면에서 가장 좋지만, 스펙트럼 모형을 잘못 걸면 편향이 통째로 들어온다.

6. 남용 주의보

$H$ 추정은 가장 자주 오용되는 스케일링 지수라는 불명예를 갖고 있다. 반복되는 사고 패턴은 다음과 같다.

• 비정상성이 $H > 1/2$를 흉내 낸다. 느린 추세, 레짐 전환, 계절성, 이분산성은 모두 장기 기억과 구별하기 어려운 로그-로그 기울기를 만든다. 단순히 두 개의 서로 다른 평균을 이어붙인 백색잡음도 $H \approx 0.8$로 측정된다.
• 표본이 짧다. 신뢰할 만한 $H$에는 최소 수천 점이 필요하고, 그래도 표준오차는 0.05 수준이다. 200점짜리 시계열에서 “$H = 0.62$이므로 지속성이 있다”는 주장은 통계적으로 공허하다.
• 금융에서의 남용. “$H > 0.5$니까 추세추종 전략이 먹힌다”는 논리는 1990년대 이후 수없이 반박됐다. Lo가 제안한 수정 R/S 통계량은 단기 상관을 흡수하는 뉴이-웨스트형 분모를 써서 검정하는데, 이 검정을 통과하는 주식 수익률 시계열의 장기 기억 증거는 거의 남지 않았다.²

방어 수칙은 단순하다. 정상성을 먼저 검정하고, 최소 두 종류의 추정기(R/S와 DFA, 또는 DFA와 웨이블릿)를 교차 확인하며, 로그-로그 회귀 구간을 바꿔 가며 $H$가 안정한지 본다. 셋 다 통과하지 못하면 그 $H$는 숫자일 뿐이다.

7. 응용과 일반화

난류 속도장의 구조함수는 $\langle |\Delta v(\tau)|^q \rangle \sim \tau^{\zeta_q}$로 스케일링하는데, 단일 $H$로 기술되는 fBm이라면 $\zeta_q = qH$로 $q$에 대해 정확히 선형이어야 한다. 콜모고로프 1941 이론이 예측하는 $\zeta_q = q/3$이 바로 $H = 1/3$인 단일프랙탈 그림이다. 그런데 실측 $\zeta_q$는 큰 $q$에서 아래로 휘며, 이 볼록성이 곧 간헐성이고 다중프랙탈 기술이 필요한 이유다. 즉 $H$ 하나로 끝나는 세계는 예외이고, 일반적으로는 국소 지수가 위치마다 다른 스펙트럼 $f(\alpha)$가 필요하다.

그 밖의 주요 응용으로는 표면 성장(KPZ 방정식의 1+1차원 조도 지수 $\alpha = 1/2$, 성장 지수 $\beta = 1/3$), 가공 표면과 파단면의 조도 특성화, 심박 변이도 분석(건강한 심장이 $\alpha \approx 1$에 가깝고 병적 상태에서 벗어난다), 그리고 이더넷 트래픽이 푸아송이 아니라 자기유사($H \approx 0.8$)임을 보인 1994년의 유명한 측정 연구가 있다. 이 마지막 발견은 버퍼 크기 설계 전체를 갈아엎게 만들었다 — 무기억 가정 아래 계산한 큐 길이가 실제보다 수십 배 낙관적이었기 때문이다.³⁴

8. 관련 문서

• 프랙탈 · 다중프랙탈
• 멱법칙 · 재규격화군
• 구조함수 · 간헐성
• 랑주뱅 동역학 · 브라운 운동
• 웨이블릿 변환 · 윈도 함수
• 이상 확산
• 자기조직화
• 확산 제한 응집

9. Footnotes

1. 허스트는 이집트에서 60년 넘게 나일강을 관측했다. 저수지 설계라는 지극히 실용적인 문제를 풀다가 통계물리 전체가 쓰는 지수를 만들어낸 셈인데, 정작 본인은 그것이 왜 0.73인지 설명하지 못했다. 이론적 해명은 20년쯤 뒤 만델브로가 fBm을 정식화하면서 붙었다. ↩

2. 재미있게도 $H$를 금융에 들여온 것도 만델브로였다. 도입한 사람과 반박당한 주장이 같은 계보에서 나온 셈. “장기 기억이 있다”는 주장과 “그건 단기 상관을 잘못 본 것”이라는 반박은 30년째 논문 수백 편 규모로 계속되고 있다. ↩

3. Leland 등(1994)의 벨코어 이더넷 측정. 트래픽을 여러 시간 스케일로 평균 내 그렸더니 그림이 전부 똑같이 들쭉날쭉했다는 그 유명한 그림 한 장이 통신망 트래픽 이론을 다시 썼다. 푸아송 가정이라면 평균 낼수록 평평해졌어야 한다. ↩

4. 자기유사 트래픽에서는 큐 길이 분포의 꼬리가 지수형이 아니라 늘어진 지수형(Weibull류)이 된다. 즉 “평균 이용률이 낮으니 버퍼는 이 정도면 되겠지”라는 계산이 통하지 않는다. 네트워크 장비 사양서에 버퍼 용량이 과하게 붙어 있는 데는 이유가 있다. ↩