[논문 리뷰] Event Conditional Correlation: Or How Non-Linear Linear Dependence Can Be

P-A. G. Maugis|arXiv (Cornell University)|2014. 01. 06.

Financial Risk and Volatility Modeling참고 문헌 21인용 수 3

한 줄 요약

이 논문은 샘플링 편향을 보정하기 위해 부분 샘플에서 두 변수 간의 상관관계를 조건부로 추정하는 새로운 종속성 매개변수인 사고 조건 상관계수(Event Conditional Correlation, ECC)를 도입한다. 이는 직접 추정을 위한 일관적이고 점근적으로 정규분포를 따르는 추정기와, 다른 샘플링 제도에서 데이터를 수집한 경우에 조건부 상관계수를 추론하기 위한 두 번째 추정기를 제안하며, 이는 조건부 종속성의 비선형성 구조가 정규분포 가정 하에서도 심각하게 나타날 수 있음을 보여주며, 특히 금융 위기 상황에서의 리스크 모델링에 중요한 영향을 미친다.

ABSTRACT

Entries of datasets are often collected only if an event occurred: taking a survey, enrolling in an experiment and so forth. However, such partial samples bias classical correlation estimators. Here we show how to correct for such sampling effects through two complementary estimators of event conditional correlation: the correlation of two random variables conditional on a given event. First, we provide under minimal assumptions proof of consistency and asymptotic normality for the proposed estimators. Then, through synthetic examples, we show that these estimators behave well in small-sample and yield powerful methodologies for non-linear regression as well as dependence testing. Finally, by using the two estimators in tandem, we explore counterfactual dependence regimes in a financial dataset. By so doing we show that the contagion which took place during the 2007--2011 financial crisis cannot be explained solely by increased financial risk.

연구 동기 및 목표

• 특정 조건(예: 높은 성과를 보인 학생들 또는 시장 위기 기간 동안)에서만 데이터가 수집될 경우 고전적 상관계수 추정기에서 발생하는 편향을 해결한다.
• P(A) > 0 인 사건 A 조건 하에서의 선형 종속성 구조를 기록하는 종속성 매개변수로서 사고 조건 상관계수(ECC)의 공식적 프레임워크를 개발한다.
• 최소한의 정규성 조건 하에서 ECC 추정기의 일관성과 점근적 정규성이라는 이론적 성질을 확립한다.
• 두 개의 추정기를 조합하여 한 샘플링 조건에서의 ECC를 다른 조건에서 수집된 데이터로부터 추론함으로써 종속성 제도의 반사적 분석을 가능하게 한다.
• 비선형 회귀, 독립성 검정, 위험 제도 변화 하에서의 금융 네트워크 구조 분석에 있어 이 방법의 유용성을 입증한다.

제안 방법

• 사건 A 조건 하에서 X와 Y의 상관계수 ρXY|A를 정의하는 새로운 종속성 매개변수를 제안하며, 이는 조건부 기대값과 분산을 기반으로 한다.
• 최소한의 가정 하에 기저 매개변수(ρXY, ρXZ, ρYZ, δ)의 일관성 있는 추정기들을 바탕으로, 델타 방법을 이용해 ρXY|A에 대한 허용 가능한 추정기(Admissible Estimator)를 유도한다.
• 다른 사건 A′ 조건 하에서 수집된 데이터에서 ρXY|A를 추정할 수 있도록 허용하는 두 번째 추정기를 도입하여 반사적 추론을 가능하게 한다.
• 특히 임계값이 설정된 변수 Z 조건 하에서 조건부 분산과 공분산을 모델링하기 위해 조각별 선형 근사 프레임워크를 적용한다.
• 델타 방법을 활용해 ECC 추정기의 점근적 정규성을 도출함으로써, 정규성 조건 하에서 통계적 추론이 타당함을 보장한다.
• R과 rgl을 사용한 시뮬레이션 기반 검증을 통해 소규모 표본 및 비정규 분포 상황에서의 추정기 성능을 입증한다.

실험 결과

연구 질문

• RQ1 특정 조건(예: 높은 Z 값)에서만 데이터가 수집될 경우 고전적 상관계수 추정기가 어떻게 편향을 띄며, 이러한 샘플링 조건 하에서 진정한 종속성 구조는 어떻게 되는가?
• RQ2 최소한의 가정 하에서도 일관성 있고 점근적으로 정규분포를 따르는 ECC 추정기를 구성할 수 있는가?
• RQ3 한 샘플링 제도(예: A′-샘플)에서 추정된 종속성 매개변수를 다른 제도(예: A)에서의 매개변수를 추론하는 데 얼마나 활용할 수 있는가?
• RQ4 정규분포 모델 조건 하에서도 조건부 상관계수의 행동이 얼마나 비선형적인가? 이는 고위험 상황에서의 종속성 모델링에 어떤 함의를 갖는가?
• RQ5 사고 조건 상관계수를 통해 부분 샘플링 조건 하에서의 비선형 회귀, 독립성 검정, 금융 네트워크 분석이 어떻게 향상될 수 있는가?

주요 결과

• 사고 조건 상관계수는 무조건적 상관계수와 현저히 다른 값을 가질 수 있다. 예를 들어, trivariate 정규분포 모델에서도 ρXY|Z>zc 는 ρXY 와 비교해 상당히 높을 수 있다.
• 제시된 추정기는 최소한의 정규성 조건 하에서도 일관성과 점근적 정규성을 확보하여 유효한 통계적 추론이 가능하다.
• 시뮬레이션 예제에서 추정기는 소규모 표본에서도 잘 작동함을 확인하여, 제한된 데이터를 가진 실용적 응용에 적합함을 입증한다.
• 이 방법은 반사적 분석을 가능하게 한다: 두 개의 추정기를 조합함으로써 A′-샘플에서의 데이터로부터 ρXY|A 를 추론할 수 있으며, 이는 가상의 종속성 제도를 탐색할 수 있게 한다.
• 금융 데이터 세트 분석에서, 2007–2011년 위기 기간 동안의 상관관계 증가(전염 효과)가 단지 시장 변동성 증가로만 설명될 수 없음을 보여주며, 추가적인 구조적 또는 체계적 요인이 존재함을 시사한다.
• 고변동성(Z > zc) 조건에서 공분산 행렬의 고유벡터가 상당히 변화함을 확인하여, 위기 기간 동안 기초 종속성 구조가 비트리비알리티하게 재구성됨을 나타낸다.