[논문 리뷰] Estimating long range dependence: finite sample properties and confidence intervals

Rafał Weron|arXiv (Cornell University)|2001. 03. 24.

Complex Systems and Time Series Analysis참고 문헌 39인용 수 397

한 줄 요약

이 논문은 가우시안 화이트 노이즈에서 몬테카를로 시뮬레이션을 통해 장기 의존성의 세 가지 추정기—R/S 분석, 탈트렌드 플럭투에이션 분석(DFA), 주기도 회귀—을 평가한다. 유한 표본에서 DFA가 다른 것들보다 일관되게 뛰어난 성능을 보이며, 모든 방법에 대해 경험적 신뢰구간을 도출하여 히우리스틱 R/S 값과의 상당한 차이와 주기도 회귀의 점근적 결과와의 강한 일치를 보여준다.

ABSTRACT

A major issue in financial economics is the behavior of asset returns over long horizons. Various estimators of long range dependence have been proposed. Even though some have known asymptotic properties, it is important to test their accuracy by using simulated series of different lengths. We test R/S analysis, Detrended Fluctuation Analysis and periodogram regression methods on samples drawn from Gaussian white noise. The DFA statistics turns out to be the unanimous winner. Unfortunately, no asymptotic distribution theory has been derived for this statistics so far. We were able, however, to construct empirical (i.e. approximate) confidence intervals for all three methods. The obtained values differ largely from heuristic values proposed by some authors for the R/S statistics and are very close to asymptotic values for the periodogram regression method.

연구 동기 및 목표

• 장기 의존성 추정에서 R/S 분석, DFA, 주기도 회귀의 유한 표본 성능을 평가하기 위해.
• DFA에 대한 점근적 분포 이론이 부족한 바, 세 추정기 모두에 대해 경험적 신뢰구간을 구성하기 위해.
• 경험적 신뢰구간을 히우리스틱 및 점근적 값과 비교하여, 특히 R/S 및 주기도 방법에 대해.
• 유도된 신뢰구간을 실제 금융 시계열에 적용하여 수익률과 변동성에서의 장기 의존성 여부를 테스트하기 위해.
• 단기에서 중간 크기의 표본 크기에서 신뢰할 수 있는 시뮬레이션 기반 추론을 제공함으로써 금융 이론학에서의 논란을 해결하기 위해.

제안 방법

• 다양한 길이의 가우시안 화이트 노이즈 시리즈를 대상으로 몬테카를로 시뮬레이션을 수행하여 추정기 정확도를 평가한다.
• 작은 표본 편향을 보정하기 위해 Anis-Lloyd 보정을 적용한 R/S 분석(R/S-AL)을 사용한다.
• 시간 시리즈를 세그먼트로 나누고 각 세그먼트를 탈트렌드 처리한 후 루트 평균 제곱 변동량을 계산하여 Detrended Fluctuation Analysis(DFA)를 적용한다.
• 스펙트럼 밀도의 영역 근처에서의 주파수에서 분수 차분 매개변수 d를 추정하기 위해 주기도 회귀(Geweke-Porter-Hudak, GPH)를 사용한다.
• 각 추정기의 여러 표본 크기에서 시뮬레이션 기반 분위수를 통해 경험적 신뢰구간을 도출한다.
• 특히 R/S 통계치에 대해 경험적 구간을 이론적(점근적) 및 히우리스틱 값과 비교한다.

실험 결과

연구 질문

• RQ1 가우시안 화이트 노이즈에서 유한 표본으로부터의 R/S 분석, DFA, 주기도 회귀는 허스트 지수 H를 어떻게 추정하는가?
• RQ2 R/S-AL, DFA, GPH 추정기의 유한 표본 성질은 무엇이며, 특히 편향과 분산 측면에서 어떻게 되는가?
• RQ3 이 추정기들의 경험적 신뢰구간은 히우리스틱 또는 점근적 값과 어떻게 비교되는가? 특히 R/S 분석에 대해.
• RQ4 시뮬레이션 기반으로 유도된 경험적 신뢰구간은 실용적 적용에서 히우리스틱 또는 이론적 구간보다 얼마나 개선되는가?
• RQ5 시뮬레이션 기반 신뢰구간을 사용할 때 실제 금융 시계열(예: 주식 지수 수익률, 전기 요금)에서 장기 의존성의 경험적 유의미성은 어떠한가?

주요 결과

• 탈트렌드 플럭투에이션 분석(DFA)은 유한 표본 시뮬레이션에서 R/S 분석 및 주기도 회귀를 일관되게 능가하며, 허스트 지수 H의 가장 정확하고 안정적인 추정을 보여준다.
• R/S-AL 추정기의 경험적 신뢰구간은 일부 저자들이 제안한 히우리스틱 값과 상당한 차이를 보이며, 이는 히우리스틱 구간이 추론에 신뢰할 수 없다는 것을 시사한다.
• 주기도 회귀(GPH) 방법의 경험적 신뢰구간은 점근적 결과와 매우 유사하여, 대규모 표본에서 점근적 이론의 사용이 타당함을 검증한다.
• GPH 방법의 경우 경험적 신뢰구간은 다음 공식으로 잘 근사된다: 95% CI = [0.5 − exp(−0.71·N²/³ + 2.04), exp(−0.68·N²/³ + 1.78) + 0.5], 여기서 N = log₂L.
• 실제 응용에서 주식 지수 수익률에서는 유의미한 장기 의존성이 발견되지 않았다(H ≈ 0.5), 그러나 절대 수익률에서는 강력한 장기 기억성(H > 0.8)이 확인되어 변동성 집중을 시사한다.
• 전기 요금 수익률은 평균 회귀 행동(H < 0.5)을 보였으며, GPH 추정치는 0.5보다 유의미하게 낮아 전력 시장의 가격 변동성에 대한 이전 결과와 일치한다.