[논문 리뷰] Accurate Computation of the Distribution of Sums of Dependent Log-Normals with Applications to the Black-Scholes Model

Zdravko I. Botev, Robert Salomone외 1명|arXiv (Cornell University)|2017. 05. 09.

Probability and Risk Models인용 수 4

한 줄 요약

이 논문은 금융 리스크 모델링과 옵션 가격 책정에서 핵심적인 역할을 하는 종속 로그정규 랜덤 변수 합의 누적분포함수(CDF), 확률밀도함수(PDF), 보조 CDF(오른쪽 尾)를 정확하게 추정하기 위한 새로운 몬테카를로 방법을 제안한다. 조건부 몬테카를로와 준-몬테카를로 기법을 활용하여 꼬리 영역에서 특히 뛰어난 정확도와 효율성을 달성하며, 이론적으로 두 번째 차수의 효율성과 왼쪽 꼬리에서 점점 감소하는 상대 오차를 보장한다.

ABSTRACT

We present a new Monte Carlo methodology for the accurate estimation of the distribution of the sum of dependent log-normal random variables. The methodology delivers statistically unbiased estimators for three distributional quantities of significant interest in finance and risk management: the left tail, or cumulative distribution function, the probability density function, and the right tail, or complementary distribution function of the sum of dependent log-normal factors. In all of these three cases our methodology delivers fast and highly accurate estimators in settings for which existing methodology delivers estimators with large variance that tend to underestimate the true quantity of interest. We provide insight into the computational challenges using theory and numerical experiments, and explain their much wider implications for Monte Carlo statistical estimators of rare-event probabilities. In particular, we find that theoretically strongly-efficient estimators should be used with great caution in practice, because they may yield inaccurate results in the pre-limit. Further, this inaccuracy may not be detectable from the output of the Monte Carlo simulation, because the simulation output may severely underestimate the true variance of the estimator.

연구 동기 및 목표

• 고차원 또는 꼬리 영역에서 종속 로그정규 랜덤 변수 합의 분포를 계산하는 데 있어 신뢰할 수 있고 정확한 방법의 부족을 해결한다.
• 로그정규 요소 간에 양의 상관관계가 존재할 경우 고분산과 과소평가 문제가 발생하는 기존 몬테카를로 추정기의 한계를 극복한다.
• 전체 분포 범위, 비점근 영역을 포함하여 종속 로그정규 분포 합의 CDF, PDF, 오른쪽 꼬리(보조 CDF)를 효율적으로 추정할 수 있는 통합 프레임워크를 개발한다.
• 상아옵션 가격 책정과 관련된 자산 간 상관관계가 있는 블랙-쇼스 모델 하에서 VaR(Value-at-Risk) 계산과 같은 실무적 금융 응용 분야에서의 강건성과 정확도를 확보한다.
• 표본 추출 결과로부터 신뢰할 수 있는 표준오차 추정이 가능한, 이론적으로 근거가 있는 두 번째 차수의 효율적 추정기 제공

제안 방법

• 최대 성분에 조건부로 기반을 두어 종속 로그정규 분포 합을 분해하는 조건부 몬테카를로 접근법을 제안함으로써 꼬리 영역 추정의 정확도를 향상시킨다.
• 측도 전환 기법과 중요도 표본 추출을 조합하여 CDF의 왼쪽 꼬리에 대해 渐近적으로 효율적인 추정기를 구성한다.
• 모든 차수에서 무한히 미분 가능한 PDF 추정기 도입으로, 기존의 $\mathcal{O}(\sqrt{n})$ 속도를 초월하는 QMC(준-몬테카를로) 환경에서 가속화된 수렴 속도를 달성한다.
• 두 번째 차수의 효율성에 대한 이론적 근거를 제공하는 로그정규 분포의 정교한 꼬리 渐近적 성질을 도출한다(보조정리 2).
• 이중 정규 꼬리 확률에 관한 보조정리(보조정리 4)를 활용하여, 공동 꼬리 확률이 개별 꼬리 확률보다 더 빠르게 감소함을 증명함으로써 엄밀한 오차 통제를 가능하게 한다.
• 수치 실험과 이론적 분석을 통해 추정기의 성능을 검증하였으며, 상관관계가 존재하는 설정에서 기존 방법보다 수개의 주기수로 성능이 뛰어남을 보였다.

실험 결과

연구 질문

• RQ1 기존의 종속 로그정규 분포 합의 오른쪽 꼬리에 대한 몬테카를로 추정기는 양의 상관관계 존재 시 왜 실패하는가? 고분산과 과소평가의 원인은 무엇인가?
• RQ2 모든 분포 영역에서 종속 로그정규 분포 합의 CDF, PDF, 오른쪽 꼬리를 정확하게 추정할 수 있는 단일 몬테카를로 추정기를 구성할 수 있는가?
• RQ3 희귀사건 확률에 대한 몬테카를로 추정기가 渐近적으로 효율적일 뿐 아니라 두 번째 차수의 효율성도 확보하기 위한 조건은 무엇인가?
• RQ4 PDF 추정기의 매끄러움이 준-몬테카를로 시뮬레이션에서 수렴 속도에 미치는 영향은 무엇이며, 왜 이 성질은 제안된 방법에만 고유한가?
• RQ5 꼬리 渐近적 성질의 이론적 정교화가 종속 로그정규 모델에서 희귀사건 시뮬레이션의 정확도와 강건성에 얼마나 기여할 수 있는가?

주요 결과

• 제안된 CDF 추정기는 渐近적으로 효율적일 뿐 아니라 왼쪽 꼬리에서 상대 오차가 점점 감소하는 강력한 효율성도 확보하여, 꼬리가 점점 더 극단적이어짐에 따라 정확도가 증가한다.
• PDF 추정기는 모델 매개변수에 대해 무한히 매끄럽기 때문에, 준-몬테카를로 시뮬레이션에서 표준 $\mathcal{O}(\sqrt{n})$ 속도를 초월하는 수렴 속도를 달성한다. 이는 기존 방법과의 유일한 이점이다.
• 금융 리스크 모델에서 흔히 나타나는 양의 상관관계가 존재하는 로그정규 요소 설정에서, 제안된 오른쪽 꼬리 추정기는 기존 방법보다 수개의 주기수로 더 정확하며, 기존 방법은 분산이 급격히 증가함을 보였다.
• 이론적 분석을 통해 추정기가 두 번째 차수의 효율성을 확보함을 증명하였으며, 이는 표본 추출 결과로부터 신뢰할 수 있는 표준오차 추정이 가능함을 의미한다. 이 성질은 이전 방법에서는 존재하지 않았다.
• 수치 실험을 통해 기존 많은 추정기들이 양의 상관관계 하에서는 치명적인 실패를 겪는 것으로 확인되었으며, 이는 독립성 하에서는 잘 작동하지만 상관관계 존재 시에는 성능이 급격히 악화됨을 시사한다.
• 정교화된 꼬리 渐近적 성질(보조정리 2)과 이중 정규 꼬리 보조정리(보조정리 4)는 추정기의 두 번째 차수의 효율성과 고차원, 종속적인 설정에서의 강건성을 보장하는 엄밀한 이론적 기초를 제공한다.