[論文レビュー] VaR-Efficient Portfolios for a Class of Super- and Sub-Exponentially Decaying Assets Return Distributions

Yannick Malevergne, Didier Sornette|RePEc: Research Papers in Economics|Jan 6, 2003

Risk and Portfolio Optimization被引用数 7

ひとこと要約

本稿では、下位および上位指数的減衰を示す資産リターンをモデリングするための修正ワイブル分布を用いた、VaR効率的ポートフォリオフレームワークを提案する。ガウス・コプスタイプを用い、正確な尾部漸近的性質を導出することで、ポートフォリオリターン分布が、資産ウェイトと周辺尾部挙動に依存する特徴的スケール χ を持つ修正ワイブル形を継承することを示し、重い尾部、非ガウス的リターン下での正確なVaRおよび期待ショートフォールド最適化を可能にする。

ABSTRACT

Using a family of modified Weibull distributions, encompassing both sub-exponentials and super-exponentials, to parameterize the marginal distributions of asset returns and their multivariate generalizations with Gaussian copulas, we offer exact formulas for the tails of the distribution $P(S)$ of returns $S$ of a portfolio of arbitrary composition of these assets. We find that the tail of $P(S)$ is also asymptotically a modified Weibull distribution with a characteristic scale $χ$ function of the asset weights with different functional forms depending on the super- or sub-exponential behavior of the marginals and on the strength of the dependence between the assets. We then treat in details the problem of risk minimization using the Value-at-Risk and Expected-Shortfall which are shown to be (asymptotically) equivalent in this framework.

研究の動機と目的

• 非ガウス的で重い尾部の資産リターン分布（下位および上位指数的減衰を伴う）を考慮した、リスク最適化されたポートフォリオフレームワークの構築を目的とする。
• 修正ワイブル周辺分布とガウス・コプスタイプを用いた多変量モデルに基づき、ポートフォリオリターンの尾部分布に対する正確な解析的表現を導出することを目的とする。
• 本フレームワークにおいて、バリューオブリスク（VaR）と期待ショートフォールド（ES）の漸近的同等性を確立し、一貫性のあるリスク最小化を可能とすることを目的とする。
• ガウス分布からの逸脱が顕著な現実的なリターン分布下でも、計算的に取り扱いやすいポートフォリオ最適化手法の提供を目的とする。
• 資産ウェイトと周辺尾部パラメータに依存する特徴的スケール χ のスケーリング行動を特徴付けること。

提案手法

• 下位指数的および上位指数的減衰を示す、修正ワイブル分布の族を用いて周辺資産リターン分布をモデリングし、依存構造をガウス・コプスタイプで一般化する。
• 特性関数に鞍点法およびラプラス法を適用することで、高次のモーメントを考慮したポートフォリオリターン分布 P(S) の正確な漸近的形を導出する。
• ウィックの定理を用いてガウスおよび高次モーメント寄与を体系的に評価し、奇数モーメントが消滅し、偶数モーメントが尾部で支配的でないことを示す。
• P(S) の主要な漸近的挙動が、資産ウェイトおよび周辺スケールパラメータに依存するスケールパラメータ χ を持つ修正ワイブル分布として特定されることを示す。
• 特徴的スケール χ を明示的に導出し、χ̂ = (∑ w_i χ_i σ_i)^((c−1)/c) と表す。ここで c は尾部減衰を制御するパラメータであり、σ_i は周辺スケールパラメータである。
• 本モデルにおいて、VaR と期待ショートフォールドが漸近的に同等であることを示し、線形計画法アルゴリズムによる一貫性のあるリスク最小化を可能とすることを示す。

実験結果

リサーチクエスチョン

• RQ1 個々の資産リターンが下位または上位指数的減衰を示す修正ワイブル分布に従う場合、ポートフォリオリターン分布の尾部はどのように振る舞うか？
• RQ2 ポートフォリオリターン分布の特徴的スケール χ の関数的形は、資産ウェイトおよび周辺パラメータの関数としてどのように表されるか？
• RQ3 非ガウス的フレームワーク下で、VaR と期待ショートフォールドがどの程度まで漸近的に同等と見なせるか？
• RQ4 ガウス・コプスタイプでモデリングされた依存構造は、ポートフォリオリターン分布の尾部挙動にどのように影響を与えるか？
• RQ5 ガウス分布や安定パラメトリック分布の仮定に依存せずに、ポートフォリオリスクの正確な解析的表現を導出できるか？

主な発見

• ポートフォリオリターン分布 P(S) の尾部は、漸近的に資産ウェイトと周辺スケールパラメータに依存する特徴的スケール χ̂ を持つ修正ワイブル分布に従う。
• 特徴的スケールは χ̂ = (∑ w_i χ_i σ_i)^((c−1)/c) で与えられ、c は尾部減衰を制御する（c < 2 で下位指数的、c > 2 で上位指数的）。
• 本フレームワークにおいて、VaR と期待ショートフォールドは漸近的に同等であり、線形計画法を用いた一貫性のあるリスク最小化が可能である。
• P(S) の主要な漸近的形は P(S) ∝ |S|^{c/2−1} exp(−(|S|/χ̂)^c) と表され、補正項は S のべき乗で抑制される。
• 本手法により、ガウス分布や安定パラメトリック分布の仮定に依存しない、非ガウス的で重い尾部のリターン分布下での正確な解析的リスク表現が得られ、シミュレーションや近似誤差を回避できる。
• 導出されたスケール χ̂ は、資産ウェイト、周辺尾部挙動（c を通じて）、および依存構造（σ_i および V_{kl}^{-1} を通じて）の組合せ効果を捉えており、正確なリスク最適化を可能にする。