[논문 리뷰] Granger Causality in Expectiles: an M-vine copula test

Roberto Fuentes-Martínez, Irene Crimaldi|arXiv (Cornell University)|2026. 03. 24.

Financial Risk and Volatility Modeling인용 수 0

한 줄 요약

expectiles에서의 모형-독립적 Granger 인과성 측정 방법을 제안하고, 이를 검출하기 위한 다변량 M-vine copula 테스트를 개발하며 일관성 증명, 시뮬레이션 및 주식시장 응용을 포함한다.

ABSTRACT

A model-free measure of Granger causality in expectiles is proposed, generalizing the traditional mean-based measure to arbitrary positions of the conditional distribution. Expectiles are the only law-invariant risk measures that are both coherent and elicitable, making them particularly well-suited for studying distributional Granger causality where risk quantification and forecast evaluation are both relevant. Based on this measure, a test is developed using M-vine copula models that accounts for multivariate Granger causality with $d+1$ series under non-linear and non-Gaussian dependence, without imposing parametric assumptions on the joint distribution. Strong consistency of the test statistic is established under some regularity conditions. In finite samples, simulations show accurate size control and power increasing with sample size. A key advantage is the joint testing capability: causal relationships invisible to pairwise tests can be detected, as demonstrated both theoretically and empirically. Two applications to international stock market indices at the global and Asian regional level illustrate the practical relevance of the proposed framework.

연구 동기 및 목표

• 일관되고 추출 가능한 위험 척도로서 expectiles를 사용하여 평균을 넘는 분포적 Granger 인과성을 동기화한다.
• 주어진 expectile 수준에서 모형-무관 GC 측정을 정의한다.
• 비선형, 비가우시안 의존성을 갖는 GC를 평가하기 위한 다변량 M-vine copula 테스트를 개발한다.
• 테스트의 일관성을 증명하고 시뮬레이션 및 응용을 통해 유한표본 성능을 평가한다.

제안 방법

• 비대칭 제곱손실과 expectile 최소화자를 사용하여 tau-번째 expectile에서 GC를 정의한다.
• expectile 손실의 로그-비율로 GC_tau(Z -> X)를 모형-무관하게 구성한다.
• 데이터에 맞춰 적합된 M-vine copula 모델로부터 시뮬레이션을 통해 기대치를 추정한다.
• Z를 포함/배제한 두 손실의 로그 차이로 테스트 통계치를 계산하고, 예측을 생성하기 위해 적합된 M-vine를 사용한다.
• 귀무가설 하에서 p-값을 얻기 위해 M-vine 구조로부터 copulas를 순차적으로 추출하고 B개의 복제본을 생성하여 귀무 하에서 시뮬레이션한다.
• 다양한 DGP에서 비선형 및 꼬리 의존 설정을 포함한 몬테카를로 시뮬레이션을 통해 대립크기와 검정력을 평가한다.
• 쌍별 테스트 및 커널 기반 분위수 인과성 테스트와 비교하고 평균의 선형 GC 테스트와 대조한다.

실험 결과

연구 질문

• RQ1 expectiles 손실을 사용하여 expectiles에서의 Granger 인과성을 모형-무관한 방식으로 측정할 수 있는가?
• RQ2 다변량 M-vine copula 프레임워크가 꼬리 부분을 포함한 서로 다른 expectile 수준에서 공동 Granger 인과성을 신뢰성 있게 탐지하는가?
• RQ3 비선형 및 강한 꼬리 데이터에서 제안된 테스트가 쌍별 테스트 및 평균 기반 선형 GC 테스트에 비해 어떤 성능을 보이는가?
• RQ4 실증 적용(글로벌 및 아시아 주가 지수)이 다변량 테스트에서만 탐지 가능한 공동 인과성을 드러내는가?

주요 결과

• GC_tau 측정치는 비음수이며 tau-번째 expectile에서 Granger 인과성이 없으면 0이 되고(tau = 1/2일 때 평균 기반 측정으로 축약된다).
• M-vine copula 테스트는 강하게 일관된 추정치를 제공하고 유한 표본 크기에서 적절한 크기 제어를 유지하며, 검정력은 표본 크기가 커질수록 증가한다.
• 공동 테스트를 M-vine 프레임워크를 통해 수행하면 쌍별 테스트로는 보이지 않는 인과 관계를 꼬리 영역에서 특히 탐지한다.
• 시뮬레이션에서 이 테스트는 커널 기반 분위수 인과성 테스트를 능가하며, 특히 유한 표본 및 꼬리 의존성에서 우수하다.
• 고전적 선형 Granger F-검정과 비교할 때 제안된 방법은 비선형 의존성을 포착하고 비선형 DGP에서 더 큰 검정력을 얻으며, 선형 설정에서의 크기 역시 유사하게 유지한다.
• 국제 주가지수에 대한 실증 적용은 쌍별 분석에서 드러나지 않는 공동 인과 패턴을 보여준다.