[論文レビュー] Time-Varying Gaussian-Cauchy Mixture Models for Financial Risk Management

Shuguang Zhang, Minjing Tao+2 more|arXiv (Cornell University)|Feb 14, 2020

Financial Risk and Volatility Modeling参考文献 16被引用数 4

ひとこと要約

本稿では、ファットテールなリターン分布と動的な市場状態を捉えることで、金融リスク推定を改善する時間変動型ガウス・コーシー混合モデルを提案する。モンテカルロEMアルゴリズムを用い、成分の重みを時間的に変化可能にすることで、危機時におけるコーシー成分の重みが急激に上昇することが示され、静的モデルに比べて市場リスクのより正確な指標を提供する。

ABSTRACT

There are various metrics for financial risk, such as value at risk (VaR), expected shortfall, expected/unexpected loss, etc. When estimating these metrics, it was very common to assume Gaussian distribution for the asset returns, which may underestimate the real risk of the market, especially during the financial crisis. In this paper, we propose a series of time-varying mixture models for risk analysis and management. These mixture models contain two components: one component with Gaussian distribution, and the other one with a fat-tailed Cauchy distribution. We allow the distribution parameters and component weights to change over time to increase the flexibility of the models. Monte Carlo Expectation-Maximization algorithm is utilized to estimate the parameters. To verify the good performance of our models, we conduct some simulation studies, and implement our models to the real stock market. Based on these studies, our models are appropriate under different economic conditions, and the component weights can capture the correct pattern of the market volatility.

研究の動機と目的

• 従来のガウスベースのモデルが市場危機時にリスクを低く評価する問題を是正すること。
• ガウス分布とコーシー分布を組み合わせた柔軟な時間変動型混合モデルを構築し、尖度が高く、尾が重い資産リターンをよりよく捉えること。
• 時間変動型の成分重みを市場ボラティリティの指標としてモデル化し、リスク予測を改善すること。
• マクロ経済的外生変数と重みの時間的相関を組み込むことで、予測力の向上を図ること。
• シミュレーションとS&P 500データ（1990–2015）を用いた実世界の応用により、モデルを検証すること。

提案手法

• 時間均質な成分から始まり、時間変動型重み、外生予測子、最終的に重みにAR(1)誤差構造を組み込む4段階のモデル階層を提案する。
• パラメータ（位置、スケール、混合重み）の推定にモンテカルロ期待最大化（MCEM）アルゴリズムを用いる。
• マクロ経済予測子（CPI、M1、失業率など）を用いたロジスティック回帰を導入し、時間変動型の混合重みをモデル化する。
• 重みの時間的依存性を捉えるために、ロジスティックモデルに自己回帰誤差項を適用する。
• 2成分混合モデルを仮定し、1つは軽尾のガウス分布、もう1つは重尾のコーシー分布とし、各時系列区間でパラメータを推定する。
• シミュレーションスタディとS&P 500の日次リターンデータ分析を通じて、モデル選択と妥当性評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 時間変動型混合モデル（ガウスおよびコーシー成分を含む）は、静的ガウスモデルに比べて、金融リターン分布をよりよく捉えることができるか？
• RQ2 時間変動型の成分重みは、特に金融危機時において市場ボラティリティの変化を効果的に反映するか？
• RQ3 マクロ経済変数は、コーシー成分が捉える極端なリターンの割合の変化を予測できるか？
• RQ4 重みに時間的相関を組み込むことで、モデルの適合度とリスク予測の正確性が向上するか？
• RQ5 既存の混合モデルと比較して、提案モデルはパラメータ推定およびリスク指標のパフォーマンスにおいて優れているか？

主な発見

• 2008年の金融危機期には、コーシー成分の時間変動型重みが顕著に上昇し、市場ストレスとテールリスクの増大を示した。
• 危機期には、コーシー分布の推定重みがほぼ1.0に達しており、極端な損失を捉える役割を果たしていることが確認された。
• 外生変数モデルにおいて、すべての予測子（CPI、M1、失業率など）が成分重みの変化を説明する上で統計的に有意であった。
• コーシー成分の位置パラメータは負値（-0.014）であり、経済状況が悪化する際に損失を捉えていることを示しており、ガウス成分の平均は正値（0.0012）であった。
• 固定された位置およびスケールパラメータだが、時間変動型重みを有するモデル2は、スケールパラメータにボラティリティ効果を組み込むモデル1よりも優れた性能を示した。
• モデルは異なる経済レジームにおいても安定した性能を示し、成分重みが市場リスクダイナミクスの信頼できる指標であることが示された。