[논문 리뷰] Are news important to predict large losses?

Mauro Bernardi, Leopoldo Catania외 1명|arXiv (Cornell University)|2014. 10. 25.

Financial Risk and Volatility Modeling참고 문헌 43인용 수 4

한 줄 요약

이 논문은 고빈도 데이터를 활용해 19개의 STOXX Europe 600 섹터에서 금융 시장의 극단적 손실 예측에 뉴스 감성 지표가 얼마나 기여하는지 조사한다. 감성 기반의 회귀변수를 GARCH 모델에 통합하고 Model Confidence Set(MCS)에서 유의미한 예측 성능을 보이는 모델들을 동적으로 조합하는 방법을 사용한 결과, 특히 높은 신뢰수준에서 Value-at-Risk(VaR) 예측 정확도가 향상됨을 확인하였다. 이는 실제 위반 비율을 이론적 기대치에 가깝게 유지하는 데 기여한다.

ABSTRACT

In this paper we investigate the impact of news to predict extreme financial returns using high frequency data. We consider several model specifications differing for the dynamic property of the underlying stochastic process as well as for the innovation process. Since news are essentially qualitative measures, they are firstly transformed into quantitative measures which are subsequently introduced as exogenous regressors into the conditional volatility dynamics. Three basic sentiment indexes are constructed starting from three list of words defined by historical market news response and by a discriminant analysis. Models are evaluated in terms of their predictive accuracy to forecast out-of-sample Value-at-Risk of the STOXX Europe 600 sectors at different confidence levels using several statistic tests and the Model Confidence Set procedure of Hansen et al. (2011). Since the Hansen's procedure usually delivers a set of models having the same VaR predictive ability, we propose a new forecasting combination technique that dynamically weights the VaR predictions obtained by the models belonging to the optimal final set. Our results confirms that the inclusion of exogenous information as well as the right specification of the returns' conditional distribution significantly decrease the number of actual versus expected VaR violations towards one, as this is especially true for higher confidence levels.

연구 동기 및 목표

• 고빈도 데이터에서 극단적 금융 손실의 사후 예측 성능 향상에 뉴스 감성이 기여하는지 평가하기 위해.
• 특히 감성 지표와 같은 외생 뉴스 변수가 조건부 분산과 VaR 예측 정확도에 미치는 영향을 평가하기 위해.
• 최적의 Model Confidence Set(MCS)에 포함된 모델들의 VaR 예측치에 시간에 따라 변화하는 가중치를 할당하는 동적 모델 조합 기법을 개발하고 적용하기 위해.
• 다양한 동적 특성과 오차항 분포를 가진 GARCH 모델 사양이 극단적 수익률을 얼마나 잘 포착하는지 테스트하기 위해.
• 뉴스 기반의 회귀변수가 실제와 기대되는 VaR 위반 수준 간의 괴리, 특히 1% 및 0.1% 신뢰수준에서 줄어들 수 있는지 검토하기 위해.

제안 방법

• 이전 시장 반응과 판별 분석을 기반으로 도출된 단어 목록을 활용해 정성적 뉴스를 정량적 감성 지표로 변환하기 위해.
• 기업별 뉴스 헤드라인을 바탕으로 '좋음', '나쁨', '고변동성' 감성 지표 3종을 구성하기 위해.
• 지연된 뉴스 빈도와 감성 지표를 GARCH 유형 모델의 외생 회귀변수로 통합하여 조건부 분산을 모델링하기 위해.
• 뉴스 도착과 수익률 충격 간의 시간적 일치를 확보하기 위해 5분 간격 고빈도 데이터를 사용하기 위해.
• Hansen 등(2011)이 제안한 Model Confidence Set(MCS) 절차를 적용하여 VaR 예측 성능이 통계적으로 동등한 모델들을 선별하기 위해.
• 최종 MCS 집합에 포함된 모델들의 VaR 예측치에 시간에 따라 변화하는 가중치를 할당하는 새로운 동적 예측 조합 방법을 제안하여 전체 예측 정확도를 향상시키기 위해.

실험 결과

연구 질문

• RQ1 감성 기반의 뉴스 변수를 포함함으로써 극단적 금융 손실에 대한 VaR의 사후 예측 정확도가 향상되는가?
• RQ2 다양한 동적 특성과 오차항 분포를 가진 GARCH 모델 사양이 뉴스 회귀변수를 포함할 경우 어떻게 성능을 발휘하는가?
• RQ3 MCS에서 유의미한 성능을 보이는 모델들의 동적 조합 방식이 정적 평균화 방식보다 VaR 예측 성능을 얼마나 향상시키는가?
• RQ4 VaR 예측 정확도 향상 효과가 1% 및 0.1%와 같은 높은 신뢰수준에서 더 두드러지는가?
• RQ5 뉴스 헤드라인에서 유도된 감성 지표가 향후 극단적 시장 움직임에 대한 정보를 효과적으로 포착할 수 있는가?

주요 결과

• 외생 뉴스 정보의 포함으로 실제 위반 수와 기대 위반 수 간의 괴리가 유의미하게 감소하였으며, 특히 1% 및 0.1% 신뢰수준에서 이론적 기대치에 가까워졌다.
• 최적 MCS 집합에 포함된 모델들의 동적 조합은 정적 평균화보다 우수한 성능을 보였으며, 1% 수준에서 평균 AD(절대편차)는 0.145, 0.1% 수준에서는 0.249를 기록했다.
• 기술서비스 섹터의 경우, 동적 조합은 1% 수준에서 최대 AD 0.201, 0.1% 수준에서 0.366를 기록하여 위기 상황에서도 뛰어난 성능을 보였다.
• MCS 내에서 예측 정확도가 가장 높은 모델은 통신 섹터에서 1% 수준에서 초과 비율 0.511, 0.1% 수준에서 0.877을 기록하여 보다 정교한 校정이 이루어졌음을 보여주었다.
• 동적 조합 방법은 모든 섹터 평균 AD를 1% 수준에서 0.145, 0.1% 수준에서 0.249로 낮혀 개별 모델과 정적 평균화보다 일관된 향상을 보였다.
• 본 연구는 조건부 수익률 분포의 적절한 사양화와 뉴스 회귀변수의 포함이 함께 이루어질 경우, 특히 고압력 상황에서 더 신뢰할 수 있는 VaR 예측이 가능하다는 점을 확인하였다.