백색잡음 (White Noise)

한 줄 정의: 평균이 0이고 분산이 일정하며, 서로 다른 시점의 값끼리 아무런 상관관계도 없는 완전히 무작위적인 시계열입니다.

쉽게 풀면

라디오 주파수가 맞지 않을 때 나는 "치이익" 잡음을 떠올려 보세요. 이 소리는 다음에 어떤 소리가 날지 전혀 예측할 수 없고, 평균적으로는 특별히 크지도 작지도 않으며, 방금 난 소리와 지금 나는 소리 사이에 아무런 규칙도 없습니다. 백색잡음은 바로 이런 성질을 가진 시계열을 뜻합니다. 예측 가능한 패턴(추세, 계절성, 자기상관)이 전혀 남아있지 않은, 말 그대로 "순수한 무작위"인 상태입니다. 시계열 모형을 만들 때는 데이터에서 예측 가능한 부분을 모두 걷어낸 뒤 남는 것(잔차)이 이런 백색잡음에 가까워야 "더 이상 뽑아낼 정보가 없다"고 판단합니다.

왜 중요한가

백색잡음은 시계열 분석에서 "모형이 더 이상 설명할 것이 없는 상태"를 판별하는 기준점 역할을 합니다. 잔차가 백색잡음이라는 것은 모형이 데이터의 예측 가능한 구조를 사실상 다 걷어냈다는 뜻이므로, 모형 적합도를 검증하는 거의 모든 시계열 논문에서 잔차 진단 단계에 등장합니다. 또한 신호처리, 계량경제학, 제어이론 등에서 이론적 잡음 모형의 기준선으로도 널리 쓰입니다.

논문에서는 이렇게 쓰입니다

"추정된 ARIMA 모형의 잔차에 대해 Ljung-Box 검정을 실시한 결과, 잔차가 백색잡음(White Noise) 과정을 따른다는 귀무가설을 기각하지 못하였다."

이 문장은 "모형이 예측하지 못하고 남긴 오차(잔차)에 더 이상 뽑아낼 규칙적인 패턴이 남아있지 않음을 통계적으로 확인했다"는 뜻으로, 모형이 데이터의 패턴을 충분히 잘 설명했다는 근거로 제시됩니다.

"센서 측정값의 오차 성분을 평균 0, 분산이 일정한 백색잡음으로 가정하고 칼만 필터를 설계하였다."

이 문장은 신호처리·제어공학 논문에서 자주 등장하며, 측정 오차를 백색잡음으로 모형화하는 것이 필터 설계의 기본 전제가 됨을 보여줍니다.

"거시경제 변수의 로그 차분 계열이 백색잡음에 가까운 것으로 나타나, 해당 변수는 예측 불가능한 랜덤워크에 가깝다고 해석하였다."

이 문장은 계량경제학 논문에서 흔히 등장하며, 시계열이 백색잡음에 가깝다는 것은 과거 값으로 미래를 예측하기 어렵다는 의미로 해석됨을 보여줍니다.

조금 더 깊게 보면

백색잡음 검정에는 앞서 예시로 든 Ljung-Box 검정 외에도 Box-Pierce 검정, 잔차의 자기상관함수(ACF)를 시각적으로 확인하는 방법 등이 흔히 함께 사용됩니다. 또한 "약한 백색잡음"(평균 0, 일정한 분산, 무상관)과 "강한 백색잡음"(서로 독립이고 동일분포까지 만족)은 엄밀하게는 다른 개념으로, 후자가 더 강한 조건입니다. 잔차가 무상관성은 만족하더라도 분산이 시간에 따라 변하는 경우(이분산성)에는 여전히 추가적인 모형화(예: GARCH류 모형)가 필요할 수 있습니다.

주의할 점

모형의 잔차가 백색잡음이 아니라면, 이는 ARIMA 모형 등이 데이터의 패턴을 충분히 반영하지 못했다는 신호이며, 잔차에 남은 자기상관 구조를 추가로 모형화해야 할 수 있습니다. 백색잡음은 예측 불가능한 무작위성을 뜻할 뿐, 분산이 0이거나 값이 항상 일정하다는 의미가 아니라는 점도 혼동하지 않아야 합니다.