[論文レビュー] Selecting and estimating regular vine copulae and application to financial returns

Jeffrey Dissmann, Eike Christian Brechmann+2 more|arXiv (Cornell University)|Feb 9, 2012

Financial Risk and Volatility Modeling参考文献 42被引用数 27

ひとこと要約

本稿では、金融データにおける柔軟で高次元の従属構造モデリングを可能にする、新しい自動モデル選択および推定フレームワークを提案する。グラフ理論的手法とR-ビーン行列による効率的な密度評価を活用することで、16次元の金融データにおいて、複雑で非対称な尾部依存構造を正確かつ解釈可能な形でモデリング可能であり、危機期のリスクダイナミクスを捉える点で、従来のガウス型および楕円型コプシラより優れた性能を示した。

ABSTRACT

Regular vine distributions which constitute a flexible class of multivariate dependence models are discussed. Since multivariate copulae constructed through pair-copula decompositions were introduced to the statistical community, interest in these models has been growing steadily and they are finding successful applications in various fields. Research so far has however been concentrating on so-called canonical and D-vine copulae, which are more restrictive cases of regular vine copulae. It is shown how to evaluate the density of arbitrary regular vine specifications. This opens the vine copula methodology to the flexible modeling of complex dependencies even in larger dimensions. In this regard, a new automated model selection and estimation technique based on graph theoretical considerations is presented. This comprehensive search strategy is evaluated in a large simulation study and applied to a 16-dimensional financial data set of international equity, fixed income and commodity indices which were observed over the last decade, in particular during the recent financial crisis. The analysis provides economically well interpretable results and interesting insights into the dependence structure among these indices.

研究の動機と目的

• 従来の多変量コプシラ（ガウス型およびアーチメデス型）の限界、特に金融データにおける複雑で非対称な尾部依存構造を捉えられない点を是正すること。
• C-ビーンおよびD-ビーン構造に制限されたレギュラー・ビーン・コプシラの適用範囲を、任意のレギュラー・ビーンにまで拡張し、より柔軟な従属構造モデリングを可能にすること。
• 高次元設定において効率的かつ自動化されたモデル選択および推定手法を、グラフ理論的原則に基づき開発すること。
• R-ビーン行列表現を用いて、任意のレギュラー・ビーン・コプシラの同時密度を計算的に実行可能な方法で評価する手法を提供すること。
• 2008年の金融危機期をカバーする16次元の実世界金融データセットを用いて、本手法の有効性を実証すること。

提案手法

• 本稿では、すべての条件付き従属構造を符号化するレギュラー・ビーン（R-ビーン）行列に基づく行列表現を導入し、同時密度の体系的指定を可能にした。
• R-ビーン密度に必要な条件付き分布関数を計算するための新規アルゴリズムを提示し、適切な条件付き順序を特定する課題を解決した。
• 本手法は、コプシラ型（例：Clayton、Gumbel、t-コプシラ）を格納するための補助行列と、コプシラパラメータを格納するためのもう一つの補助行列を用いる。これにより、完全なパラメトリック仕様が可能になった。
• モデル選択は、近接条件および最小スパニングツリーに類似した構造を含むグラフ理論的基準に基づく。これにより、最適なビーン構造の特定が可能となった。
• 本手法は、順次最適化を用いた最尤推定を採用し、ビーン構造を根拠に効率的なパラメータ推定を実現した。
• 大規模なシミュレーションスタディを通じて手法の妥当性を検証し、2008年の危機期をカバーする16次元の金融データセットに適用した。

実験結果

リサーチクエスチョン

• RQ1 C-ビーンおよびD-ビーンの制限を超えて、高次元多変量従属構造モデリングに向けたレギュラー・ビーン・コプシラを体系的に選択および推定する方法は何か？
• RQ2 特に条件付き分布関数の観点から、任意のレギュラー・ビーン・コプシラの同時密度を効率的かつ自動的に評価する方法は何か？
• RQ3 レギュラー・ビーン・コプシラは、標準的なコプシラ族（例：ガウス型、t-コプシラ）と比較して、金融危機期における尾部依存構造とリスクダイナミクスをどれほど正確に捉えられるか？
• RQ4 グラフ理論に基づく本手法のモデル選択フレームワークは、高次元設定において、最も適切なビーン構造を効果的に同定できるか？
• RQ5 柔軟で高次元のレギュラー・ビーン・コプシラを用いることで、国際的金融インデックスの従属構造に関するどのような知見が得られるか？

主な発見

• 提案された自動モデル選択および推定手法は、グラフ理論的基準を用いて、高次元設定において最適なレギュラー・ビーン構造を的確に同定できた。
• 本手法は、条件付き分布関数を計算するための新規アルゴリズムを用いることで、任意のレギュラー・ビーン・コプシラの同時密度を正確かつ効率的に評価可能となった。
• 16次元の金融データセットにおいて、レギュラー・ビーン・コプシラモデルは、特に2008年の金融危機期に顕著な非対称な尾部依存構造を捉えており、標準的コプシラでは表現できなかった。
• 分析から、市場不安定期に株式、固定利回り、商品インデックス間の相関上昇が経済的に解釈可能な従属パターンとして明らかになった。
• シミュレーションスタディにより、本手法の頑健性と正確性が確認され、特に非楕円型の複雑な従属構造を捉える点で優れた性能を示した。
• 結果として、極端な市場状況下でのリスク評価、特にVaR推定において、レギュラー・ビーン・コプシラはガウス型およびt-コプシラよりも優れた代替手段であることが示された。