[논문 리뷰] Beyond VaR and CVaR: Topological Risk Measures in Financial Markets

Amit Kumar Jha|arXiv (Cornell University)|2023. 01. 01.

Topological and Geometric Data Analysis인용 수 1

한 줄 요약

이 논문은 정점 분석에서의 지속 호몰로지 기반으로, 시장의 위험 상태 변화를 정량화하는 데 사용되는 새로운 위험 측도인 '위상적 VaR 거리'(TVaRD)를 소개한다. 애플, 마이크로소프트, 구글의 일년 치 일일 수익률에 적용된 TVaRD는 가격 시계열의 위상적 구조 변화를 감지하며, 특히 MSFT의 경우 TVaRD = 1006.00으로 유의미한 변화를 보였다. 이는 전통적인 VaR 및 CVaR를 넘어서 다중 척도적 위험 관점에서 포트폴리오 리스크를 보완적으로 제공한다.

ABSTRACT

This paper introduces a novel approach to financial risk assessment by incorporating topological data analysis (TDA), specifically cohomology groups, into the evaluation of equities portfolios. The study aims to go beyond traditional risk measures like Value at Risk (VaR) and Conditional Value at Risk (CVaR), offering a more nuanced understanding of market complexities. Using last one year daily real-world closing price return data for three equities Apple, Microsoft and Google , we developed a new topological riskmeasure, termed Topological VaR Distance (TVaRD). Preliminary results indicate a significant change in the density of the point cloud representing the financial time series during stress conditions, suggesting that TVaRD may offer additional insights into portfolio risk and has the potential to complement existing risk management tools.

연구 동기 및 목표

• 기존의 VaR 및 CVaR와 같은 전통적 리스크 측도가 정규성 가정 등 제약 조건에 의존하고 스트레스 상황에서의 복잡한 시장 역학을 포착하지 못하는 데서 비롯되는 한계를 해결하고자 한다.
• 특히 코호몰로지 군과 지속 호몰로지를 활용한 정점 데이터 분석(TDA)을 기반으로, 금융 시계열의 구조적 변화를 탐지할 수 있는 새로운 리스크 평가 프레임워크를 개발하고자 한다.
• 기본 상태와 스트레스 상태 간의 위상적 분리 정도를 정량화하는 새로운 지표인 '위상적 VaR 거리'(TVaRD)를 제안하고 검증하고자 한다.
• TVaRD가 통계적 측도만으로는 드러나지 않는 다중 척도적 위상적 특성의 이동을 감지함으로써, 시장 불안정성의 조기 경고 신호를 제공할 수 있음을 입증하고자 한다.

제안 방법

• 논문은 애플, 마이크로소프트, 구글의 일년 치 일일 종가(252개 관측치)를 야후 파이낸스에서 확보하였다.
• 데이터는 [0,1]로 정규화되고, 일일 수익률이 계산되어 위상 분석을 위한 시계열로 변환되었다.
• 지속 호몰로지가 적용되어 다양한 척도에서 위상적 특징(연결 성분, 고리, 공동체)을 나타내는 지속성 다이어그램이 구성되었다.
• TVaRD는 기본 상태와 스트레스 상태에서의 지속성 다이어그램 간 유클리드 거리로 계산되며, 이는 위상적 변화의 정도를 정량화한다.
• 지속 호몰로지 계산을 위한 필터링을 정의하기 위해 Rips 복합체 구조와 매개변수 ϵ1 및 ϵ2를 활용하였다.
• 스트레스 조건 하에서의 구조적 변화를 분석하기 위해 1차원 고리(파란 점) 및 짧은 수명을 가진 고차원 특징(초록 점) 등의 위상적 특징이 분석되었다.

실험 결과

연구 질문

• RQ1 정점 데이터 분석(TDA)은 기존의 통계적 리스크 측도인 VaR 및 CVaR보다 시장 스트레스 상태를 더 효과적으로 탐지할 수 있는가?
• RQ2 금융 시계열의 위상적 특징—예를 들어 연결 성분, 고리, 공동체—는 안정된 조건과 비교해 스트레스 상황에서 어떻게 변화하는가?
• RQ3 위상적 VaR 거리(TVaRD)는 기존 표준 리스크 지표가 포착하지 못한 극단적 시장 움직임과 얼마나 관련이 있거나 이를 예측할 수 있는가?
• RQ4 코호몰로지 기반의 위상적 특징은 주식 포트폴리오의 체계적 리스크 조기 경고 지표로 기능할 수 있는가?

주요 결과

• TVaRD는 스트레스 상태에서 마이크로소프트(MSFT)의 위상적 구조 변화를 유의미하게 감지하였으며, TVaRD 값은 1006.00으로 시장 구조의 상당한 변화를 시사하였다.
• 애플(AAPL)의 경우 TVaRD는 469.27로, MSFT에 비해 다소 뚜렷하지는 않지만 여전히 두드러진 위상적 변화를 반영하였다.
• 구글(GOOGL)은 TVaRD가 402.48로 나타나 스트레스 조건 하에서 측정 가능한 위상 재구성가 있었지만, MSFT에 비해 더 낮은 수준이었다.
• 지속성 다이어그램 분석 결과, 스트레스 상황에서는 1차원 특징(고리)의 밀도가 높고, 짧은 수명을 가진 고차원 특징(공동체)의 빈도가 증가하여 복잡하고 일시적인 시장 역학을 반영하였다.
• 결과적으로 TVaRD는 기존의 VaR 및 CVaR가 감지하지 못하는 다중 척도적 비선형 시장 행동을 포착함을 입증하였다.
• TVaRD는 시장 위상의 구조적 변화를 정량화함으로써 리스크 관리에 보완적인 시각을 제공하며, 체계적 리스크의 조기 경고 신호로 기능할 가능성이 있다.