[논문 리뷰] Adaptive exponential power distribution with moving estimator for nonstationary time series

Jarek Duda|arXiv (Cornell University)|2020. 01. 01.

Financial Risk and Volatility Modeling참고 문헌 5인용 수 2

한 줄 요약

이 논문은 비정상적 시계열에서 시간에 따라 변화하는 분포 특성을 효과적으로 포착하기 위해 이동 최대우도 추정기(MLE)를 사용하는 적응형 지수력분포(EPD) 모델을 제안한다. 여기서 척도 매개변수 σ는 |x−μ|κ의 지수이동평균으로 갱신되어 계산 비용이 저렴하면서도 시간에 따라 변화하는 추정이 가능하다. 이 방법은 정적 모델 대비 로그우도를 크게 향상시키며, DJIA 주식들 간에 최적의 꼬리 무거움 정도(κ)가 다양하게 나타나며, 가우시안(κ=2)보다 라플라스 유사(κ≈1) 꼬리가 유리하다.

ABSTRACT

While standard estimation assumes that all datapoints are from probability distribution of the same fixed parameters $θ$, we will focus on maximum likelihood (ML) adaptive estimation for nonstationary time series: separately estimating parameters $θ_T$ for each time $T$ based on the earlier values $(x_t)_{t

연구 동기 및 목표

• 비정상적 시계열에서 고정된 파라미터가 변화하는 분포 특성을 포착하지 못하는 정적 비모수적 추정의 한계를 해결하기 위해.
• 가중치를 부여한 과거 데이터를 사용해 분포 파라미터를 동적으로 갱신하는 계산 비용이 저렴한 적응형 추정 프레임워크를 개발하기 위해.
• 특히 척도 매개변수 σ에 대해 적응형 EPD 추정이 표준 정적 모델이나 GARCH 기반 모델보다 높은 로그우도를 달성하는지 평가하기 위해.
• 금융 수익률에 대한 최적의 형태 매개변수 κ를 조사하여, 가우시안(κ=2) 또는 라플라스(κ=1) 분포를 가정하는 것의 타당성을 도전하기 위해.

제안 방법

• 지수 감쇠 가중치를 사용하는 이동 최대우도 추정기: θT = arg maxθ ∑t<T ηT−t ln(ρθ(xt)) with η ∈ (0,1].
• 가우시안(κ=2)과 라플라스(κ=1) 분포를 일반화하는 지수력분포(EPD) 가족 ρ(x) ∝ exp(−|(x−μ)/σ|κ/κ)에 적용한다.
• 척도 매개변수 σ에 대해 표준 평균을 지수이동평균으로 대체: (σT+1)^κ = η(σT)^κ + (1−η)|xT−μ|^κ로 갱신하여 저비용의 적응형 추정을 가능하게 한다.
• 위치(μ)와 척도(σ)에 대해 별도의 지수이동평균을 사용하며, σ에 대해선 η ≈ 0.94, μ에 대해선 ν ≈ 0.997의 튜닝 파라미터를 설정한다.
• 좌우 꼬리 파라미터(κl, κr, σl, σr)를 별도로 두고 연속성 조건을 α = [C(κl)σr / (C(κr)σl) + 1]⁻¹을 통해 처리하는 비대칭 EPD(AEPD)를 고려한다.
• 로그우도를 추가로 향상시키기 위해 기울기 기반 정밀 조정을 활용하나, 계산 비용이 더 높은 고차원 대안으로서 적용한다.

실험 결과

연구 질문

• RQ1 이동 지수우도 기반 적응형 추정이 정적 최대우도 추정보다 비정상적 시계열에서 로그우도를 향상시킬 수 있는가?
• RQ2 실제 금융 시계열에서 EPD에 대한 최적의 형태 매개변수 κ가 가우시안(κ=2)과 유의미하게 다를까?
• RQ3 |x−μ|^κ의 지수이동평균을 사용하는 적응형 EPD 모델이 GARCH(1,1)와 같은 기존 모델에 비해 경쟁력이 있는가?
• RQ4 적응성은 추정된 꼬리 행동에 어떤 영향을 미치며, 정적 모델보다 더 얇거나 무거운 꼬리를 허용하는가?
• RQ5 σT+1)^κ = η(σT)^κ + (1−η)|xT−μ|^κ와 같은 단순한 척도 갱신 규칙이 계산 비용을 증가시키지 않고도 더 복잡한 모델보다 뛰어난 성능을 낼 수 있는가?

주요 결과

• 100년 분량의 DJIA 일일 수익률에 대해, |x−μ|^κ의 지수이동평균을 사용하는 적응형 EPD 추정은 정적 MLE보다 유의미하게 높은 로그우도를 달성한다.
• 적응형 모델의 최적 형태 매개변수 κ는 항상 2보다 낮으며, 라플라스 분포(κ≈1)에 가까운 값으로 나타나, 가우시안 모델이 가정하는 것보다 더 두꺼운 꼬리가 있음을 시사한다.
• 최근 29개의 DJIA 기업을 대상으로 한 분석에서 최적의 κ는 기업 간에 크게 다름을 보이며, 주식 간에 통일된 꼬리 행동이 없음을 시사한다.
• σ에 대해 η ≈ 0.94를 사용하는 적응형 EPD 모델은, 고정된 가우시안(κ=2) 잔여항을 가정하는 GARCH(1,1) 모델과 유사한 로그우도를 달성한다.
• 지수 가중치율 η를 최적화함으로써 로그우도를 추가로 향상시킬 수는 있으나, 그 폭은 미미하여 기본값 η ≈ 0.94가 이 데이터에 대해 거의 최적임을 시사한다.
• 이 방법은 각 단계에서 전체 재최적화가 필요 없이 시간에 따라 변화하는 척도 및 형태 매개변수를 효율적이고 실시간으로 추정할 수 있도록 한다.