[논문 리뷰] Extreme Value Theory for Time Series using Peak-Over-Threshold method

Gianluca Rosso|arXiv (Cornell University)|2015. 09. 03.

Financial Risk and Volatility Modeling참고 문헌 8인용 수 8

한 줄 요약

이 논문은 시계열 데이터에서 극단적 사건을 모델링하기 위해 극단가치이론 내에서 초과값초과기준(Peak-Over-Threshold, POT) 방법을 적용하며, 가치의 위험(Value at Risk, VaR)과 기대손실(Expected Shortfall)을 추정하기 위해 일반화된 페아레토 분포(Generalized Pareto Distribution, GPD)를 사용한다. 이 방법은 금융, 운영 및 기후 시계열 전반에서 강력한 위험 평가를 가능하게 하며, 임계치를 초과하는 데이터 포인트에 집중한다.

ABSTRACT

This brief paper summarize the chances offered by the Peak-Over-Threshold method, related with analysis of extremes. Identification of appropriate Value at Risk can be solved by fitting data with a Generalized Pareto Distribution. Also an estimation of value for the Expected Shortfall can be useful, and the application of these few concepts are valid for the most wide range of risk analysis, from the financial application to the operational risk assessment, through the analysis for climate time series; resolving the problem of borderline data.

연구 동기 및 목표

• 시계열 데이터에서 드물지만 영향력 있는 극단적 사건을 모델링하는 데 도전하는 데 목적이 있다.
• 금융, 운영 위험 및 기후 과학 분야에서 극단적 값을 중시함으로써 위험 평가를 향상시키는 데 목적이 있다.
• 초과값초과기준(POT) 방법을 활용하여 가치의 위험(VaR)과 기대손실을 추정하는 실용적인 프레임워크를 제공하는 데 목적이 있다.
• 기존 통계 모델링에서 자주 문제가 되는 경계선 또는 극단적 데이터 포인트를 다루는 데 목적이 있다.
• 일반화된 페아레토 분포(Generalized Pareto Distribution, GPD)가 시계열 맥락에서 임계치를 초과하는 초과분포에 적합하게 사용될 수 있음을 보여주는 것에 목적이 있다.

제안 방법

• 극단적 값으로 간주하기 위해 분석 대상이 되는 고임계치를 설정한다.
• 이 임계치를 초과하는 초과분포를 일반화된 페아레토 분포(GPD)를 사용하여 모델링한다.
• 최대우도법 또는 기타 통계적 피팅 기법을 사용하여 GPD의 모수를 추정한다.
• 적합된 GPD를 사용하여 주어진 신뢰수준에서 가치의 위험(VaR)을 계산한다.
• 적합된 GPD 모수를 바탕으로 꼬리 위험 측도로 기대손실을 유도한다.
• 금융, 운영 및 기후 데이터를 포함한 다양한 시계열에서 방법의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 초과값초과기준(POT) 방법은 시계열 데이터에 대해 극단적 사건 모델링에 효과적으로 어떻게 적용될 수 있는가?
• RQ2 다양한 시계열 응용 분야에서 GPD로부터 유도된 VaR 및 기대손실 추정의 정확성과 견고성은 어떠한가?
• RQ3 기존 표준 통계 모델이 왜곡되는 경계선 또는 극단적 데이터 포인트는 POT-GPD 접근법이 어떻게 다루는가?
• RQ4 기존의 분포가정에 비해 GPD는 시계열에서 위험 측정을 어떻게 향상시키는가?
• RQ5 금융, 기후 및 운영 환경에서의 위험 관리에 대해 POT 기반 극단가치 분석을 실천적으로 적용할 경우 어떤 의미가 있는가?

주요 결과

• 초과값초과기준(POT) 방법은 고임계치를 초과하는 데이터에 집중함으로써 시계열에서 극단적 값을 모델링하는 신뢰할 수 있는 프레임워크를 제공한다.
• 일반화된 페아레토 분포(GPD)를 사용하여 초과분포를 적합함으로써 다양한 위험 맥락에서 가치의 위험(VaR)을 정확하게 추정할 수 있다.
• 기대손실은 GPD 모수로부터 효과적으로 계산될 수 있으며, 더 포괄적인 꼬리 위험 측도를 제공한다.
• 이 방법은 금융 위험, 운영 위험 및 기후 시계열 분석과 같은 다양한 분야에 널리 적용 가능하다.
• 기존 방법보다 경계선 또는 극단적 데이터 포인트를 더 효과적으로 다루어 모델의 안정성을 향상시킨다.
• 초과분포에 대해 GPD를 사용함으로써 통계적 일관성과 극단가치이론의 이론적 기반을 확보할 수 있다.