[論文レビュー] Improved Algorithms for Computing Worst Value-at-Risk: Numerical Challenges and the Adaptive Rearrangement Algorithm

Marius Hofert, Amir Memartoluie+2 more|arXiv (Cornell University)|May 9, 2015

Risk and Portfolio Optimization参考文献 6被引用数 4

ひとこと要約

本稿では、任意の周辺損失分布をもつポートフォリオにおける最悪ケース・バリューオブリスク（VaR）を計算するための改良手法である適応的再配置アルゴリズム（ARA）を提案する。離散化点の適応的チューニングと相対収束許容誤差の使用により、特に高次元および裾が重い分布の設定において、元の再配置アルゴリズム（RA）に比べ、数値的安定性と計算効率が向上する。Rパッケージ qrmtools への実装と妥当性確認済みベンチマークを通じて、その有効性が示された。

ABSTRACT

Numerical challenges inherent in algorithms for computing worst Value-at-Risk in homogeneous portfolios are identified and solutions as well as words of warning concerning their implementation are provided. Furthermore, both conceptual and computational improvements to the Rearrangement Algorithm for approximating worst Value-at-Risk for portfolios with arbitrary marginal loss distributions are given. In particular, a novel Adaptive Rearrangement Algorithm is introduced and investigated. These algorithms are implemented using the R package qrmtools.

研究の動機と目的

• 同一の周辺分布をもつ均質的ポートフォリオにおける最悪ケースVaRを計算する際の数値的不安定性と実装上の課題を解決すること。
• 任意の周辺損失分布をもつ非均質的ポートフォリオにおける再配置アルゴリズム（RA）の性能とロバスト性を向上させること。
• 収束性と効率性を高めるために、鍵となるチューニングパラメータを動的に調整する新しい適応的アルゴリズムを設計すること。
• 診断ツールと再現可能な結果を備えた信頼性の高いオープンソース実装（Rパッケージ qrmtools として）を提供すること。
• モデル不確実性下での最悪ケースVaRの適用に向けた実務的ガイダンスと計算上の安全策を提供すること。

提案手法

• 概念的および数値的に改善された元のRAのバージョンとして、適応的再配置アルゴリズム（ARA）を提案し、離散化点の自動選択を実現する。
• 元のRAで用いられる固定の絶対収束許容誤差を、個々の境界用と上界・下界の差の両方の相対収束許容誤差に置き換える。
• 収束の挙動に基づいて離散化点の数を適応的に決定する戦略を採用し、効率性と安定性を向上させる。
• qrmtools Rパッケージにアルゴリズムを実装し、効率的なデータ構造（例：リストベースの列アクセス）を活用し、重複する行和計算を回避する。
• 均質的ケースにおける初期区間推定に二重境界アプローチを採用し、分位数に基づく境界を用いて根の探索手順をガイドする。
• テストケース（例：パレート分布の周辺分布、実際のSMI構成銘柄データ）を用いた性能検証を行い、速度向上と正確性の比較を実施。

実験結果

リサーチクエスチョン

• RQ1 特に裾が重く、平均が無限大となるような分布をもつ均質的ケースにおいて、最悪ケースVaR計算の数値的不安定性はどのように軽減できるか？
• RQ2 元の再配置アルゴリズムにおける重要なチューニングパラメータは何か？ それらは収束性と正確性にどのように影響するか？
• RQ3 離散化および収束基準を自動的に調整できる適応的アルゴリズムを設計することは可能か？ これにより、ロバスト性と性能が向上するか？
• RQ4 さまざまな周辺分布において、ARAは元のRAに比べて、速度、正確性、安定性の面でどの程度優れているか？
• RQ5 実務において、最悪ケースVaRアルゴリズムの実装をより信頼性があり再現可能にするにはどうすればよいか？

主な発見

• 相対収束許容誤差と適応的離散化を用いることで、適応的再配置アルゴリズム（ARA）は、元のRAに比べて収束性と計算効率が顕著に向上する。
• qrmtools RパッケージにおけるARAの実装は、次第に次元dを増加させるベンチマークテストで、基本版に比べて最大100％の相対的高速化を達成している。
• 同一のパレート(2)周辺分布をもつ均質的ケースにおいて、ARAは無限大の平均を持つ状況でも最悪ケースVaRを正しく計算でき、解の一意性が保証されている。
• 二重境界アプローチは、標準的手法が失敗する裾が重い分布においても、根の探索に適した信頼性の高い初期区間を提供する。
• 相対許容誤差による直感的なパrameter選択が可能であり、任意のチューニングによる収束不良のリスクが低減される。
• SMI構成銘柄データを用いた実証的結果は、ARAのロバスト性と正確性を確認しており、高次元においても最悪ケースVaRのタイトな境界が得られている。