[論文レビュー] Heavy Tailed Distributions in Finance: Reality or Myth? Amateurs Viewpoint

Lev B. Klebanov, Irina V. Volchenkova|arXiv (Cornell University)|Jul 28, 2015

Financial Markets and Investment Strategies参考文献 8被引用数 12

ひとこと要約

この論文は、金融における重みつき分布の広範な使用を挑戦し、見かけの重い尾が分布の尾の誤解から生じることを主張する。チェビシェフ型不等式と指数的尾を持つ対称化ガンマ分布を用いて、著者たちは、軽い尾、単峰性分布においても極端な逸脱（例：10σを超える）が可能であることを示し、重い尾モデルの必要性を否定する。主な貢献は、金融データにおける重い尾の経験的根拠に対する理論的批判である。

ABSTRACT

The purpose of this paper is to show that the use of heavy-tailed distributions in Financial problems is theoretically baseless and can lead to significant misunderstandings. The reason for this the authors see in an incorrect interpretation of the concept of the distributional tail. In accordance with this, in applications it is necessary to use instead of the distributional tail the "smearing" of its central part. keywords: heavy tailed distributions, exponential tails, pre-limit theorems, Financial indexes

研究の動機と目的

• 金融モデリングにおける重い尾分布の使用の理論的・経験的根拠を挑戦すること。
• ±10σを超える極端な逸脱が、単峰性で軽い尾の分布（例：対称化ガンマ分布）においても生じることを示し、重い尾の主張に反するものである。
• 分布分析における「尾」の概念が金融分野で誤って適用されており、特性関数の挙動または中心部のぼやけ具合を用いた再定義が望ましいと主張すること。
• 過剰尖度と外れ値の頻度が重い尾を示すのではなく、標本抽出のばらつきと高次モーメントの不安定性を反映していると示すこと。
• 無限分散や重い尾の極限を仮定するのではなく、極限前の定理と確率変数の和の安定分布近似がより適切であると提言すること。

提案手法

• 有限分散を持つ単峰性分布に対して、ガウスの不等式を適用し、dσを超える逸脱確率を評価することで、非重い尾の分布においても|X| > 10σの確率が1/225 ≈ 0.0044に達することが可能であることを示した。
• 特性関数 (1 + mt²)^(-1/m) を持つ対称化ガンマ分布を導入し、指数的尾とすべてのモーメントが有限である一方で、mの増加に伴い|X| > 10σの確率が上昇することを示した。
• 対称化ガンマ分布のν正規性を用いて、その分布が確率的和の正規化分布として機能することを示し、安定分布や重い尾の代替としてより自然であると主張した。
• 標本和の特性関数を、異なるαおよびλパラメータを持つ安定分布にフィットさせ、n（標本サイズ）が増加するにつれてαが1.269から1.976に増加し、λが0.227から0.962に増加することを示し、安定分布への収束ではなく正規分布への収束を示した。
• 有限区間（δ, Δ）における特性関数の挙動を尾分析の代替として分析し、これが経験的データの挙動をよりよく反映すると主張した。
• 無限に分割可能な分布のためのコルモゴロフの標準表現を用いて、尖度が常に3以上であり、等号成立は正規分布である場合に限ることを証明し、高尖度が重い尾を示すとは限らないことを反証した。

実験結果

リサーチクエスチョン

• RQ1 有限分散を持つ単峰性で軽い尾の分布において、±10σを超える極端な逸脱が生じ得るか。これにより、重い尾モデルの必要性が疑問視される。
• RQ2 金融リターンにおける高尖度は、実際に重い尾を示しているのか、それとも標本抽出のばらつきや高次モーメントの不安定性に起因するアーティファクトなのか。
• RQ3 形状母数1/m、スケールmの対称化ガンマ分布（指数的尾、すべてのモーメントが有限）は、金融データで観察される極端なリターンの頻度を再現できるか。
• RQ4 標本和の極限前の定理や安定分布へのフィットは、金融データが安定分布に従うことを示唆するのか、それとも軽い尾の変数の有限標本和の挙動を反映しているのか。
• RQ5 伝統的な分布理論における「尾」の概念が金融モデリングで誤って適用されており、もしそうならば、代替の特徴付けは何か。

主な発見

• σ = 1の単峰性分布において、10σを超える逸脱の確率は1/225 ≈ 0.0044に上限づけられるが、これは50,000件の標本で222件を超える頻度を上回り、重い尾がなくても極端な値が生じ得ることを示している。
• 形状母数1/m、スケールmの対称化ガンマ分布は、指数的尾とすべてのモーメントが有限である一方で、mが増加するにつれて|X| > 10σの確率が上昇し、m = 100のとき0.000984872に達する。
• 標本和（n = 1から100）のフィットされた安定分布パラメータでは、αが1.269から1.976に増加し、λが0.227から0.962に増加しており、これは安定分布への収束ではなく正規分布への収束を示している。
• 分布の尖度は常に3以上であり、等号成立は正規分布である場合に限る。これは、高尖度が重い尾を示すとは限らないことを証明している。
• 対称化ガンマ分布の特性関数は、分散に基づく正規分布の混合に似た挙動を示し、安定分布や重い尾の代替よりも、ランダムな分散効果をよりよくモデル化していると示唆している。
• 著者らは、金融における重い尾分布の使用は神話であり、『尾』の概念は、有限区間における特性関数の挙動、または分布の中心部のぼやけ具合の分析に置き換えるべきだと結論づけた。