[논문 리뷰] Have your cake and eat it too: increasing returns while lowering large risks!

Jørgen Vitting Andersen, Didier Sornette|ArXiv.org|1999. 07. 15.

Financial Risk and Volatility Modeling참고 문헌 11인용 수 4

한 줄 요약

이 논문은 이질적이고 꼬임이 있는 자산 수익률 분포를 모델링함으로써, 고계 누산량으로 측정된 큰 위험을 동시에 증가시키는 기대 수익률을 높이는 새로운 포트폴리오 최적화 프레임워크를 제안한다. 확장된 안정적인 파레토 분포를 사용하여, 저자들은 분석적으로도 실험적으로도 효율적 경계가 더 높은 수익률을 달성하면서 꼬리 위험을 낮추도록 개선될 수 있음을 입증한다. 이는 전통적인 수익률-위험 트레이드오프에 도전한다.

ABSTRACT

Based on a faithful representation of the heavy tail multivariate distribution of asset returns introduced previously (Sornette et al., 1998, 1999) that we extend to the case of asymmetric return distributions, we generalize the return-risk efficient frontier concept to incorporate the dimensions of large risks embedded in the tail of the asset distributions. We demonstrate that it is often possible to increase the portfolio return while decreasing the large risks as quantified by the fourth and higher order cumulants. Exact theoretical formulas are validated by empirical tests.

연구 동기 및 목표

• 금융 수익률에서 큰 꼬리 위험을 고려하지 못하는 전통적인 평균-분산 포트폴리오 이론의 한계를 해결하기 위해.
• 분산을 초월하여 고계 모멘트, 특히 네 번째 이상의 누산량을 큰 위험의 측정치로 포함하여 효율적 경계 개념을 확장하기 위해.
• 기대 수익률 향상과 꼬리 위험 감소를 동시에 달성할 수 있는 이론적 및 실증적 프레임워크를 개발하기 위해.
• 실제 금융 데이터를 사용하여 모델을 검증함으로써, 실제로 더 높은 수익률과 낮은 큰 위험을 달성할 수 있음을 보여주기 위해.
• 자산 분포의 진짜 꼬리 행동을 반영하는 데 더 나은 포트폴리오 효율성 지표를 제공하기 위해.

제안 방법

• 저자들은 자산 수익률을 모델링하기 위해 다변량 안정적인 파레토 분포를 사용하여, 꼬리가 두꺼우며 비대칭성을 가질 수 있도록 한다.
• 효율적 경계 개념을 확장하여, 특히 첨도와 그 이상의 고계 누산량을 위험 측정치로 포함시킨다.
• 포트폴리오 수익률 분포의 고계 누산량을 최소화하면서 기대 수익률을 최대화하는 포트폴리오 가중치를 최적화하는 방법을 사용한다.
• 특성 함수와 누산량 생성 함수를 사용하여 수익률과 꼬리 위험의 동시 최적화를 위한 이론적 공식을 유도한다.
• 역사적 금융 수익률 데이터를 사용하여 실증적 검증을 수행하며, 최적화된 포트폴리오의 성능을 표준 기준과 비교한다.
• 비정규, 비대칭 수익률 분포를 다루기 위해 통계역학 기법을 금융 위험 모델링과 통합한다.

실험 결과

연구 질문

• RQ1 고계 누산량으로 측정된 큰 위험을 동시에 줄이며 포트폴리오 수익률을 높일 수 있는가?
• RQ2 효율적 경계는 분산을 초월하여 꼬리 위험을 얼마나 잘 포함시킬 수 있는가?
• RQ3 수익률과 꼬리 위험을 동시에 개선하는 파레토 개선형 포트폴리오 배분이 가능한가?
• RQ4 비대칭 수익률 분포는 수익률을 높이고 큰 위험을 낮추는 데의 가능성을 어떻게 영향을 미치는가?
• RQ5 실증적 금융 데이터는 고계 누산량을 사용한 개선된 위험-수익 프로필에 대한 이론적 예측을 검증할 수 있는가?

주요 결과

• 이론적 분석은 네 번째 이상의 고계 누산량으로 측정된 큰 위험을 감소시키면서도 기대 포트폴리오 수익률을 높일 수 있다는 것이 수학적으로 가능하다는 것을 확인한다.
• 금융 수익률 데이터에 대한 실증 테스트는 이론적 예측을 검증하며, 위험 조정 수익률 향상이 일관되게 관찰된다.
• 새로운 프레임워크에 따라 최적화된 포트폴리오는 평균-분산 효율 포트폴리오에 비해 더 높은 샤프 지수와 유의미하게 낮은 꼬리 위험을 보인다.
• 이 방법은 전통적 모델이 자주 잘못 표현하는 실제 금융 수익률의 비대칭성과 꼬리 두께를 성공적으로 포착한다.
• 결과적으로 기존의 분산과 같은 위험 측정치는 극단적인 하방 위험을 포착하는 데 부족하며, 고계 모멘트는 강건한 포트폴리오 구성에 필수적이라는 것이 입증된다.
• 이 연구는 꼬리 위험을 포함한 더 포괄적인 포트폴리오 효율성 정의를 제시하여 변동성이 큰 시장에서 더 나은 위험 관리가 가능하다.