Zivot–Andrews 검정: 미지의 구조변화 하나와 단위근

절편이나 추세의 변화를 회귀식에서 빼면, 정상적인 시계열도 단위근이 있는 것처럼 보일 수 있습니다. 정책 변화 뒤의 수준 이동, 추세 성장률의 변화, 시장의 큰 충격이 전체 표본의 지속성을 실제보다 커 보이게 만들기도 합니다. 각 구간은 자기 결정론적 경로 주변에서 움직이는데, 이를 하나의 고정된 경로로 설명하려고 하면 생기는 문제입니다.

ZA 검정은 단절 시점을 미리 정하지 않고 Dickey–Fuller 방식에 포함합니다. 후보 날짜마다 결정론적 부분이 한 번 달라지는 회귀를 적합하고, 단위근에 반하는 증거가 가장 강해지는 시점을 찾습니다. 단절 하나가 연구 질문에 맞을 때 쓸 수 있는 방법이지, 모든 종류의 레짐 변화를 찾아주는 만능 검색은 아닙니다.

여전히 단위근 검정이라는 점도 중요합니다. 특정 사건이 단절을 일으켰는지, 매매 규칙이 성립하는지, 가격이 실제로 거래 가능한 속도로 평균회귀하는지를 직접 검정하지 않습니다. 단절이 없는 기준 모형은 ADF와 Phillips–Perron 비교 글을, 더 넓은 가설은 정상성과 단위근 안내 글을 참고하세요.

후보 단절 시점별 회귀는 보통 다음처럼 차분 형태로 쓸 수 있습니다.

Δyₜ = dₜ(λ)′δ + αyₜ₋₁ + Σⱼ₌₁ᵖ φⱼΔyₜ₋ⱼ + εₜ

λ는 후보 단절 비율이고, dₜ(λ)는 선택한 모형의 결정론적 항과 후보 단절항을 담습니다. 시차 차분항은 단기 의존을 설명합니다. 이 표기에서 단위근 가설은 H₀: α = 0이며, 수준 방정식의 자기회귀 계수가 1이라는 뜻과 같습니다.

고전적인 ZA 설정은 결정론적 추세 단절이 없는 단위근 귀무가설을, 추세가 한 번 바뀌는 정상적 대립가설과 비교합니다. 회귀식에는 대립가설을 나타내기 위한 후보 단절항이 들어가지만, 고전적 귀무분포에서는 단절 효과가 없다고 둡니다. 결과와 임계값을 읽을 때 이 차이를 놓치지 마세요.

검정이 귀무가설을 기각하지 못했다고 해서 시계열이 정확한 랜덤워크라는 뜻은 아닙니다. 검정력이 낮거나 표본이 짧을 수 있고, 추세 형태를 잘못 골랐을 수도 있습니다. 귀무가설 아래에 실제 단절이 있어도 기각하지 못할 수 있습니다. 반대로 기각하더라도 모든 시장 국면의 충격이 일시적이라고 증명하는 것은 아닙니다.

먼저 분석자는 허용할 단절 시점의 범위를 정합니다. 표본의 시작이나 끝에 지나치게 가까운 시점은 양쪽 구간의 정보가 부족해 보통 후보에서 제외합니다. 허용된 λ마다 회귀를 적합하고 α의 t 통계량을 계산합니다.

최솟값, 즉 가장 음수인 통계량을 만든 시점이 선택됩니다.

λ̂ = arg min₍λ ∈ Λ₎ tα(λ) τZA = min₍λ ∈ Λ₎ tα(λ)

따라서 검정 통계량은 미리 정한 날짜에서 나온 t 값이 아니라, 날짜를 탐색한 뒤 선택한 최솟값입니다. 추정 단절 비율은 표본, 모형 유형, 시차 설정, 후보 범위에 따라 달라집니다. 역사적 사건의 정확한 날짜를 추정했다고 바로 해석할 수는 없습니다.

시차 설정도 회귀 결과에 영향을 줍니다. 시차 차분항이 너무 적으면 잔차에 시계열 의존이 남고, 너무 많으면 특히 짧은 표본에서 정보와 검정력이 줄어듭니다. 소프트웨어 기본값을 이론의 일부처럼 취급하지 말고, 선택 규칙과 날짜 절단 범위를 함께 보고하세요.

전통적인 ZA 사양은 모형 A, B, C로 부릅니다. 소프트웨어에 따라 “절편”, “추세”, “둘 다”처럼 이름이 다를 수 있으니 실제 정의를 확인해야 합니다.

• 모형 A는 절편, 즉 수준이 한 번 바뀌는 경우를 허용합니다
• 모형 B는 결정론적 추세의 기울기가 바뀌는 경우를 허용합니다
• 모형 C는 절편 변화와 추세 기울기 변화를 모두 허용합니다

모형 선택은 단순한 옵션이 아닙니다. 환율 수준이 한 번 이동한 경우와 성장률이 점진적으로 달라진 경우는 서로 다른 경로입니다. 근거가 부족한 추세 변화를 포함하면 불필요한 항을 추정하느라 검정력이 줄 수 있고, 실제로 가능한 변화를 빼면 회귀식이 잘못 지정될 수 있습니다. 결과를 비교하기 전에 어떤 변화가 경제적으로 타당한지 정해두세요.

이 사양들만으로 변화의 원인을 알아낼 수는 없습니다. 선택한 모형과 표본에서 가장 잘 맞는 날짜가 추정될 뿐입니다. 실제로는 여러 사건, 측정 방식의 변경, 누락된 동학이 비슷한 모양을 만들 수도 있습니다.

연구자가 후보 날짜 다섯 개를 살펴본다고 가정해 보겠습니다. 아래 표는 각 회귀에서 시차 수준항에 대한 t 통계량입니다.

최솟값은 −4.0이므로 λ = 0.50을 선택합니다. 이 표는 날짜와 통계량을 고르는 절차만 보여줍니다. 숫자는 설명을 위해 만든 값이며 ZA 임계값이나 기각 결론을 제시하지 않습니다. 실제 분석에서는 후보 범위, 모형, 시차 규칙, 임계값을 한 세트로 정해야 합니다.

<!-- learn:illustration -->

최솟값 통계량에는 일반적인 Dickey–Fuller 임계값이나 Student t 임계값을 쓸 수 없습니다. 각 후보 날짜의 회귀가 ADF 회귀와 비슷해도, 여러 날짜를 살펴본 다음 가장 음수인 통계량을 택하면 귀무가설 아래 분포가 달라집니다.

적절한 기준값은 ZA 모형 유형과 날짜 탐색 방식에 따라 달라집니다. τZA를 같은 단절 사양과 후보 날짜 검색에 맞춰 유도된 임계값과 비교해야 합니다. 선택된 날짜가 표본을 보기 전에 고정돼 있었던 것처럼 그 날짜의 통계량을 읽거나, 일반 ADF 표와 비교하지 마세요.

Zivot과 Andrews는 단절 시점을 미리 정했던 Perron의 검정에서 출발해, 단절 날짜를 알 수 없는 경우의 절차와 그 검색 분포를 분석했습니다. 방법의 배경은 원 논문과 Perron의 고정된 단절 시점 분석을 참고하세요.

어떤 변수를 쓰는지에 따라 질문이 달라집니다. 로그 가격, 금리, 가격 스프레드, 실현 변동성, 수익률은 서로 다른 대상입니다. 장기 추세 변화는 수준 자료에 중요할 수 있지만 단기 수익률에는 별 의미가 없을 수 있습니다. 페어 트레이딩의 스프레드라면 경제적 근거와 공적분 관계도 별도로 살펴야 합니다.

기술적 매매 연구에서 ZA 검정의 기각은 선택한 단절 모형 아래에서 검정 대상이 단위근 귀무가설보다 단절 추세 정상성으로 설명될 가능성을 보여주는 증거 중 하나입니다. 추정 시점 뒤에 시계열이 예측 가능하게 평균회귀한다거나, 진입·청산 규칙이 있다는 뜻은 아닙니다.

선택한 날짜는 검색에 사용한 전체 표본을 반영합니다. 그 날짜나 검정 결과를 이용해 전략을 설계하고 같은 표본에서 성과까지 평가하면, 나중의 관측값이 선택에 이미 영향을 준 셈입니다. 매매 분석에는 실시간 또는 롤링 방식의 설계, 표본 외 평가, 현실적인 거래비용이 필요합니다. ZA 검정 자체는 이를 보장하지 않습니다.

고전적인 ZA 임계값은 단위근 귀무가설 아래에서 결정론적 추세 단절이 없다고 가정합니다. 이후 연구는 그 귀무가설이 실제로 추세 단절을 포함하면, 최소 Dickey–Fuller t 통계량 절차가 기각을 과도하게 할 수 있음을 보였습니다. 연구된 경우에는 점근적 검정 크기가 매우 커질 수도 있습니다. 그러면 기각 결과가 추세 정상성의 증거라기보다 귀무 모형과 실제 자료의 불일치에서 나올 수 있습니다. Harvey, Leybourne, Taylor의 infimum Dickey–Fuller 검정 분석을 참고하세요.

단절 하나를 둔 대립가설은 변화가 두 번 이상 생기는 경우, 일시적인 충격, 변동성 변화, 서서히 진행되는 변화를 나타내지 못합니다. A·B·C 중 가장 작은 p값을 본 뒤 선택하면 추가적인 선택 편향도 생깁니다. 귀무가설 아래 단절이나 여러 번의 변화가 그럴듯하다면, 그 가설과 검정 크기에 맞춰 설계된 절차를 쓰세요.

Quandt–Andrews 안내 글은 회귀계수의 미지 단절 날짜를, Bai–Perron 안내 글은 회귀식의 다중 단절을 다룹니다. 서로 관련은 있지만 가설이 다르므로, 둘 중 어느 방법도 단절을 허용하는 단위근 검정을 그대로 대체하지 않습니다.

유용한 보고에는 변수와 변환, 표본 기간과 빈도, 결정론적 모형, 시차 규칙, 후보 날짜 절단 범위, 선택된 단절 비율, 최소 통계량, 여기에 맞는 임계값이나 p값이 들어갑니다. 귀무가설을 명시하고, 그 가설이 단절을 허용하는지도 쓰세요. 합리적인 모형이나 시차 선택에 따라 결과가 달라지면 그 민감도도 보여주세요.

추정 시점은 진단 정보로 보되, 원인에 대한 결론으로 바로 바꾸지 마세요. 알려진 제도·시장 사건과 대조할 수는 있지만, 같은 자료에서 선택된 날짜를 사건의 독립적인 확인처럼 제시하지 않는 편이 정확합니다. 경제적 설명, 통계적 기각, 매매상 의미를 서로 다른 주장으로 다루세요.

단위근 분석의 전체 흐름을 보려면 먼저 정상성 안내 글을 읽고, 질문에 맞을 때 ADF나 PP를 보조 진단으로 비교해 보세요. 비정상 변수 사이의 장기 관계가 관심사라면 Engle–Granger 공적분 안내 글을 참고할 수 있습니다. 어떤 단일 검정도 적절한 변환을 대신 결정해주거나 수익성 있는 전략을 입증하지는 않습니다.