[논문 리뷰] A Simple Method for Predicting Covariance Matrices of Financial Returns

Kasper Johansson, Mehmet Giray Ogut외 3명|arXiv (Cornell University)|2023. 05. 31.

Financial Markets and Investment StrategiesEconomics, Econometrics and Finance인용 수 3

한 줄 요약

이 논문은 재무 수익률의 시변 공분산 행렬을 예측하기 위해 단순하고 해석 가능한 방법을 제안한다. 이 방법은 지수 평균 이동 평균(EWMA)을 사용하여 변동성과 상관관계를 조합하고, 볼록 최적화 프레임워크를 적용한다. 이 방법은 최소한의 튜닝으로도 표준 EWMA를 능가하며, 더 복잡한 MGARCH 모델과 비교해도 로그우도 회귀(regret) 측면에서 성능이 유사하거나 뛰어나며, 효율적인 포트폴리오 최적화와 수익률 시뮬레이션을 가능하게 한다.

ABSTRACT

We consider the well-studied problem of predicting the time-varying covariance matrix of a vector of financial returns. Popular methods range from simple predictors like rolling window or exponentially weighted moving average (EWMA) to more sophisticated predictors such as generalized autoregressive conditional heteroscedastic (GARCH) type methods. Building on a specific covariance estimator suggested by Engle in 2002, we propose a relatively simple extension that requires little or no tuning or fitting, is interpretable, and produces results at least as good as MGARCH, a popular extension of GARCH that handles multiple assets. To evaluate predictors we introduce a novel approach, evaluating the regret of the log-likelihood over a time period such as a quarter. This metric allows us to see not only how well a covariance predictor does over all, but also how quickly it reacts to changes in market conditions. Our simple predictor outperforms MGARCH in terms of regret. We also test covariance predictors on downstream applications such as portfolio optimization methods that depend on the covariance matrix. For these applications our simple covariance predictor and MGARCH perform similarly.

연구 동기 및 목표

• 고차원 모델의 복잡성을 피하면서도 실용적이고 해석 가능한 시변 공분산 행렬 예측 방법을 개발하는 것.
• 특히 변동성이 높은 환경에서 공분산 예측의 시장 제도 전환에 신속하게 대응할 수 있는 과제를 해결하는 것.
• 정확성과 시장 변화에 대한 반응성 모두를 반영하는 새로운 회귀 기반 지표를 사용해 공분산 예측기를 평가하는 것.
• 통계적 및 포트폴리오 최적화 맥락에서 기존의 EWMA 및 MGARCH와 같은 모델들과의 비교를 통해 제안된 방법을 벤치마킹하는 것.
• 이 방법이 시나리오 분석 및 리스크 관리에 활용할 수 있는 현실적인 수익률 경로를 시뮬레이션하는 데서의 유용성을 입증하는 것.

제안 방법

• 자산의 변동성은 제곱 수익률에 대한 지수 평균 이동 평균(EWMA)을 사용하여 추정한다.
• 표준화된 수익률에 유사한 EWMA 접근법을 적용하여 시간에 따라 변화하는 상관관계를 추정하며, 양의 정부성(positive definiteness)을 보장한다.
• 다양한 감쇠 요소를 가진 여러 EWMA 예측치를 조합하기 위해 볼록 최적화 문제를 해결하며, 시간에 따른 로그우도 회귀를 최소화한다.
• 조합에서 최적의 가중치는 소규모이면서도 빠르고 신뢰할 수 있는 볼록 최적화를 통해 유도되며, 실시간 업데이트를 가능하게 한다.
• 최종 공분산 추정치는 다양한 감쇠율에서 유도된 개별 공분산 행렬의 가중 평균으로 구성된다.
• 제8장에서 설명된 바와 같이 요인 모델을 활용하여 대규모 포트폴리오로의 확장을 수행한다.

실험 결과

연구 질문

• RQ1 복잡한 다변량 GARCH 모델보다 더 단순하고 해석 가능한 방법이 재무 공분산 행렬 예측에서 뛰어난 성능을 낼 수 있는가?
• RQ2 공분산 예측기가 갑작스러운 시장 제도 전환에 얼마나 신속하게 적응할 수 있으며, 이러한 반응성은 무엇이 가장 잘 측정하는가?
• RQ3 표준 QLIKE나 로그우도 측정치보다 회귀 기반 평가 지표가 예측 성능에 대해 더 깊은 통찰을 제공하는가?
• RQ4 공분산 업데이트 빈도를 매끄럽게 하면 반응성은 감소하지만 포트폴리오 성과는 어느 정도 향상되는가?
• RQ5 제안된 방법이 시나리오 분석 및 리스크 평가에 활용 가능한 현실적인 시뮬레이션 수익률 경로를 생성할 수 있는가?

주요 결과

• 제안된 방법은 MGARCH보다 낮은 로그우도 회귀를 달성하여 예측 성능이 뛰어나고, 시장 변화에 더 신속하게 적응함을 시사한다.
• 최소한의 튜닝으로도 표준 EWMA 및 윈도우 기반 추정기보다 회귀 측면에서 뛰어난 성능을 보인다.
• 포트폴리오 최적화에 적용했을 때, 계산 비용이 크게 감소했음에도 불구하고 MGARCH와 유사한 성능을 보였다.
• 공분산 업데이트 주기를 매끄럽게(예: 매달 수 차례) 하는 것은 투자 전환을 줄이고 포트폴리오 성과를 향상시킬 수 있으며, 주요 자산 가중치 조정이 금융 위기 시기(예: 2008년, 2020년)와 일치함을 확인했다.
• 이 방법은 외부 시험 기간 동안 현실적인 시뮬레이션 수익률 경로를 성공적으로 생성하였으며, 근사 분포가 관측된 데이터와 매우 유사함을 시연하였다. 이를 통해 Fama-French 요인의 시뮬레이션 결과를 제시하였다.
• 예측치 조합을 위한 볼록 최적화 프레임워크는 빠르고 신뢰할 수 있으며, 광범위한 校정 없이 실시간 적용이 가능하다.