[논문 리뷰] Goodness-of-fit testing for the Cauchy distribution with application to financial modeling

M. Mahdizadeh, Ehsan Zamanzade|arXiv (Cornell University)|2016. 06. 24.

Financial Risk and Volatility Modeling참고 문헌 13인용 수 3

한 줄 요약

이 논문은 중앙값과 사분자료범위를 이용한 모수 추정을 통해 카이 색인 분포에 대한 여섯 가지 새로운 적합도 검정을 제안한다. 이 검정들은 일致성 있으며, 대칭 대립가설을 탐지할 때 기존의 콜모고로프-스미르노프 및 앤더슨-더링 검정보다 뛰어난 성능을 보이며, 시뮬레이션과 실제 금융 시장 데이터 응용에서 $ Z_A $ 및 $ \tilde{D}_2 $ 변형이 뛰어난 검정력을 보였다.

ABSTRACT

This article deals with goodness-of-fit test for the Cauchy distribution. Some tests based on Kullback-Leibler information are proposed, and shown to be consistent. Monte Carlo evidence indicates that the tests have satisfactory performances against symmetric alternatives. An empirical application to quantitative finance is provided.

연구 동기 및 목표

• 카이 색인 분포는 무거운 尾을 가지므로 금융 모델링에서 자주 사용되며, 이에 대한 일관된 적합도 검정을 개발하는 것.
• 카이 색인 분포에서 원시 모멘트가 존재하지 않기 때문에 표준 방법(예: 최대우도추정)이 복잡하고 모멘트가 존재하지 않는 문제를 다루는 것.
• 카이 색인 분포에 정보이론적 척도인 쿨백-라이블러 발산을 활용하여 기존 검정(예: 콜모고로프-스미르노프, 앤더슨-더링)을 개선하는 것.
• 몬테카를로 시뮬레이션을 통해 다양한 대칭 대립가설(예: t-분포, 라플라스 분포 등)에 대한 검정력과 유형 I 오류율을 평가하는 것.
• 실제 금융 데이터, 특히 독일 DAX 지수의 일일 수익률을 대상으로 제안된 검정을 검증하여 실용적 적용 가능성을 평가하는 것.

제안 방법

• empirical와 이론적 누적분포함수 사이의 쿨백-라이블러 발산을 기반으로 여섯 가지 새로운 검정 통계량을 제안한다.
• 카이 색인 분포에서 원시 모멘트가 존재하지 않기 때문에 위치($ \tilde{\nu} $)와 척도($ \tilde{\tau} $) 모수 추정에 중앙값과 반사분자료범위를 강력한 추정기로 사용한다.
• 간격과 경험분포함수를 이용한 KL 발산 근사화를 통해 검정 통계량 $ Z_K $, $ Z_A $, $ Z_C $, 및 $ \tilde{D}_i $ (i=1부터 7까지)를 유도한다.
• 다섯 가지 표본 크기(n=10, 20, 30, 50, 100)와 아홉 가지 대립분포를 포함한 몬테카를로 시뮬레이션을 통해 검정력과 유형 I 오류율을 평가한다.
• 실제 데이터셋(1991년 1월 1일부터 30일간의 DAX 종가 수익률)에 검정을 적용하여 Q-Q 플롯과 히스토그램에 과도된 밀도를 겹쳐 시각적으로 적합도를 평가한다.
• 기존 표의 임계값(예: 표 2)과 검정 통계량을 비교하여 귀무가설(카이 색인 분포 적합성)이 기각되는지 여부를 결정한다.

실험 결과

연구 질문

• RQ1 대칭 대립가설 하에서 카이 색인 분포에 대한 KL 기반 적합도 검정이 기존의 콜모고로프-스미르노프 및 앤더슨-더링 검정보다 검정력이 어떻게 뛰어나게 되는가?
• RQ2 쿨백-라이블러 발산과 같은 정보이론적 발산 척도가 카이 색인 분포에 적용되었을 때 일관성 있고 강력한 적합도 검정을 제공할 수 있는가?
• RQ3 실제 금융 수익률 데이터에 적용했을 때 제안된 검정의 성능은 어떠한가? 특히 중량 꼬리 행동을 어떻게 잘 포착하는가?
• RQ4 제안된 검정 통계량 중에서($ Z_K $, $ Z_A $, $ \tilde{D}_i $) 어떤 것이 다양한 대칭 대립가설과 표본 크기에서 가장 높은 검정력을 보이는가?
• RQ5 진짜 분포가 카이 색인에서 벗어나 있을 경우, 특히 작은 표본에서 신뢰도를 유지하고 Type I 오류율을 잘 유지하는가?

주요 결과

• 특히 $ Z_A $ 및 $ \tilde{D}_2 $가 대칭 대립가설 하에서 기존의 콜모고로프-스미르노프 및 앤더슨-더링 검정보다 카이 색인 분포에서의 이탈을 탐지하는 데 항상 뛰어난 성능을 보였다.
• t_3, t_5, 표준 정규분포, 라플라스, 로지스틱 분포와 같은 대칭 대립가설에 대해 $ Z_A $ 및 $ \tilde{D}_2 $의 검정력은 다른 검정보다 최대 0.367의 유형 II 오류율 감소를 보였으며, 표본 크기 50에서 성과가 두드러졌다.
• 일반적으로 $ Z_A $는 모든 경쟁 검정 중에서 가장 높은 검정력을 보였지만, 표본 크기 10에서는 $ \tilde{D}_2 $ 또는 $ \tilde{D}_4 $가 가장 우수한 성능을 보였다.
• 진짜 분포가 비대칭일 경우, 예를 들어 비중앙 t-분포(0.3, 0.7)나 투키의 t-분포일 경우 검정 성능이 열악했으며, 표본 크기 100에서도 검정력 향상이 없었다.
• 실제 DAX 수익률 데이터(n=30)에서, $ Z_C = 5.761 $와 같은 관측된 검정 통계량이 임계값 이하이므로, 14개의 모든 검정(신규 KL 기반 검정 포함)이 유의수준 0.05에서 귀무가설(카이 색인 분포 적합성)을 기각하지 못했다.
• 경험적 카이 색인 Q-Q 플롯과 적합된 밀도를 갖춘 히스토그램은 합리적인 일치를 보였으며, 모멘트 존재하지 않음에도 불구하고 금융 수익률에 대해 카이 색인 모델이 타당하다는 것을 뒷받침한다.