[논문 리뷰] Filtering and Smoothing with Score-Driven Models

Giuseppe Buccheri, Giacomo Bormetti외 2명|arXiv (Cornell University)|2018. 03. 13.

Financial Risk and Volatility Modeling참고 문헌 28인용 수 5

한 줄 요약

이 논문은 조건부 로그우도의 스코어를 활용하여 스코어드라이브 상태공간 모델에 대해 계산적으로 효율적인 필터링 및 스무딩 방법을 제안한다. 이 방법은 정확한 시뮬레이션 기반 방법과 유사한 성능을 달성하면서도 단순성을 유지하며, 공식적인 오차 경계와 강력한 몽테카를로 실험을 통한 실증적 검증을 제공한다.

ABSTRACT

We propose a methodology for filtering, smoothing and assessing parameter and filtering uncertainty in score-driven models. Our technique is based on a general representation of the Kalman filter and smoother recursions for linear Gaussian models in terms of the score of the conditional log-likelihood. We prove that, when data is generated by a nonlinear non-Gaussian state-space model, the proposed methodology results from a local expansion of the true filtering density. A formal characterization of the approximation error is provided. As shown in extensive Monte Carlo analyses, our methodology performs very similarly to exact simulation-based methods, while remaining computationally extremely simple. We illustrate empirically the advantages in employing score-driven models as approximate filters rather than purely predictive processes.

연구 동기 및 목표

• 비선형적이고 비정규 분포를 가진 상태공간 모델에서 필터링 및 스무딩을 위한 계산적으로 타당한 방법을 개발하는 것.
• 스코어드라이브 모델에서 매개변수 및 필터링 불확실성의 과제를 해결하는 것.
• 비선형 비정규 모델에 선형 정규 필터 재귀식을 적용할 때의 근사 오차에 대한 공식적 특성화를 제공하는 것.
• 실제로 스코어 기반 근사가 순수 예측 기반 스코어드라이브 모델보다 우월할 수 있음을 보여주는 것.

제안 방법

• 이 방법은 칼만 필터 및 스무머 재귀식을 조건부 로그우도의 스코어 기반으로 재구성하여 비정규 분포 모델에 적용할 수 있도록 한다.
• 현재 상태 추정치 주변에서 로그우도 스코어의 일차 전개를 통해 진짜 필터링 밀도의 국소 선형화를 사용한다.
• 이 방법은 스코어를 상태 추정치 갱신을 위한 충분통계량으로 간주하여 표준 칼만 필터링을 비정규 분포 설정으로 확장한다.
• 로그우도의 곡률과 상태 진동 역학에 기반하여 근사 오차 경계를 공식적으로 유도한다.
• 시뮬레이션 또는 수치적 적분이 필요 없이 순차적 스코어 갱신을 사용하여 구현한다.
• 일致한 스코어 기반 재귀를 통해 상태, 매개변수 및 필터링 불확실성의 동시 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 시뮬레이션 없이 비선형 비정규 상태공간 모델에 대해 칼만 필터 유사 재귀식을 어떻게 적응시킬 수 있는가?
• RQ2 스코어 기반 선형화를 사용하여 진짜 필터링 밀도를 근사할 때 이론적 오차 경계는 무엇인가?
• RQ3 유한 표본에서 제안된 스코어드라이브 필터의 성능은 정확한 시뮬레이션 기반 방법과 어떻게 비교되는가?
• RQ4 실제로 스코어드라이브 모델은 순수 예측 모델이 아니라 효과적인 필터로 기능할 수 있는가?

주요 결과

• 제안된 방법은 광범위한 몽테카를로 실험에서 정확한 시뮬레이션 기반 방법과 매우 유사한 필터링 성능을 달성한다.
• 근사 오차는 공식적으로 경계가 내려지고, 로그우도의 국소 곡률과 상태 진동 역학에 따라 달라진다.
• 이 방법은 매개변수 및 필터링 불확실성을 효과적으로 포착하여 동적 스코어드라이브 모델에서 강건한 추론을 가능하게 한다.
• 실증 결과는 스코어드라이브 모델을 필터로 사용할 경우 순수 예측 응용보다 예측 정확도가 향상됨을 보여준다.