[논문 리뷰] Entropy and Uncertainty Analysis in Financial Markets

Andreia Dionísio, Rui Menezes외 1명|ArXiv.org|2007. 09. 05.

Complex Systems and Time Series Analysis참고 문헌 4인용 수 6

한 줄 요약

이 논문은 분산보다 더 일반적이고 강력한 불확실성 측정법으로 엔트로피를 제안하며, 비선형 상관관계와 다각화 효과를 더 잘 포착함을 입증한다. 비정규 분포를 띠는 시장 수익률에서 전통적인 베타와 잔차 위험보다 상관정보와 조건부 엔트로피가 체계적 위험과 특정 위험을 더 잘 모델링함을 보여준다.

ABSTRACT

The investor is interested in the expected return and he is also concerned about the risk and the uncertainty assumed by the investment. One of the most popular concepts used to measure the risk and the uncertainty is the variance and/or the standard-deviation. In this paper we explore the following issues: Is the standard-deviation a good measure of risk and uncertainty? What are the potentialities of the entropy in this context? Can entropy present some advantages as a measure of uncertainty and simultaneously verify some basic assumptions of the portfolio management theory, namely the effect of diversification?

연구 동기 및 목표

• 포트폴리오 관리에서 불확실성 측정을 위한 분산 대체로 엔트로피의 성능을 평가하는 것.
• 엔트로피 기반 측정법이 현대 포트폴리오 이론의 핵심 가정인 다각화 효과를 관찰할 수 있는지 조사하는 것.
• 자기정보 이론적 측정법(상관정보, 조건부 엔트로피, 전역 상관 계수)을 기존의 위험 측정법(베타, R제곱, 잔차 분산)과 비교하여 자본 자산 가격 정합 모델의 맥락에서 평가하는 것.
• 잔차가 비정규성, 이종분산성, 자기상관성을 보일 경우 선형 모델(예: 마켓 모델)의 제약을 평가하는 것.
• 비정규 분포나 비선형 수익률 분포를 가진 경우 엔트로피 기반 지표가 더 신뢰할 수 있는 위험 평가를 제공하는지 판단하는 것.

제안 방법

• 샤논의 공식을 사용한 이산 및 연속 확률 분포에 대한 엔트로피 이론적 유도: 이산 변수의 경우 $ H(X) = -\sum p_i \log p_i $, 연속 변수의 경우 $ H(X) = -\int p_X(x) \log p_X(x) dx $.
• 조건부 엔트로피 $ H(X|Y) $ 와 결합 엔트로피 $ H(X,Y) $ 를 사용하여 총 불확실성을 설명된 부분과 설명되지 않은 부분으로 분해하는 것.
• 주식 수익률과 지수(PSI 20) 간의 의존도를 측정하기 위해 상관정보 $ I(X,Y) = H(Y) - H(Y|X) $ 를 활용하며, 선형 및 비선형 관계를 모두 포착함.
• 상관정보를 표준화하여 전역 상관 계수 $ \lambda(X,Y) = \sqrt{1 - e^{-2I(X,Y)}} $ 를 도출함. 이는 0에서 1 사이의 값을 가지며 선형 상관 계수와 직접 비교 가능함.
• PSI 20 지수의 실제 주식 데이터를 사용하여 선형 마켓 모델 추정치(베타, R제곱, 잔차 분산)와 자기정보 이론적 측정법을 비교하는 실증 분석.
• 잔차에 대한 통계적 검정으로 Ljung-Box, Jarque-Bera, Engle, CUSUM, CUSUM-Q 검정을 수행하여 비정규성, 자기상관성, 이종분산성, 안정성 문제를 탐지하는 것.

실험 결과

연구 질문

• RQ1 엔트로피는 금융 시장에서 분산보다 더 일반적이고 강력한 불확실성 측정법인가?
• RQ2 상관정보와 조건부 엔트로피와 같은 엔트로피 기반 측정법이 포트폴리오 리스크의 다각화 효과를 효과적으로 포착할 수 있는가?
• RQ3 자기정보 이론적 측정법은 전통적인 선형 위험 측정법(예: 베타, 잔차 분산)보다 체계적 위험과 특정 위험을 얼마나 잘 설명하는가?
• RQ4 금융 수익률의 비선형성, 꼬리 두꺼움, 잔차의 비정규성 등이 분산 기반 위험 모델의 신뢰성을 얼마나 손상시키는가?
• RQ5 상관정보에서 유도된 전역 상관 계수 $ \lambda $ 는 선형 상관 계수 $ R $ 과 비교해 더 정확한 의존도 평가를 제공하는가?

주요 결과

• 엔트로피는 불확실성 측정의 핵심 공리들을 충족하며, 분포가 균일할 때 최대가 되어 분포의 형태에 민감함을 보임.
• 상관정보는 체계적 위험($ \beta^2 \sigma_m^2 $)과 강한 정적 상관관계를 보이며, 이는 시장 전반의 리스크 노출을 효과적으로 포착함을 시사함.
• 조건부 엔트로피는 특정 위험($ \sigma_{\varepsilon i}^2 $)과 정적 상관관계를 보이며, 이는 시장에 의해 설명되지 않는 고유 리스크를 신뢰성 있게 측정함을 나타냄.
• 상관정보에서 유도된 전역 상관 계수 $ \lambda $ 는 선형 상관 계수 $ R $ 과 비교해 더 포괄적인 의존도 측정법을 제공하며, 특히 잔차가 비정규적이거나 자기상관성을 보일 경우 유의미함.
• 잔차에 대한 통계 검정(Ljung-Box, Jarque-Bera, Engle, CUSUM) 결과, 많은 주식에서 비정규성, 이종분산성, 안정성 문제를 확인하여 선형 모델이 진정한 리스크 역학을 포착하지 못할 수 있음.
• 본 연구는 엔트로피가 분산보다 더 일반적인 불확실성 측정법임을 결론 내리며, 이는 고차 모멘트와 꼬리 행동을 포함한 전체 확률 분포에 대한 더 많은 정보를 활용하기 때문임.