[논문 리뷰] Is there significant time-variation in multivariate copulas?

Jakob Stöber, Ulf Schepsmeier|arXiv (Cornell University)|2012. 05. 22.

Financial Risk and Volatility Modeling참고 문헌 17인용 수 3

한 줄 요약

이 논문은 정규 빌드(Regular Vine) 복합 모델에서 점수 함수와 관측 정보 행렬의 정확한 계산을 위한 새로운 알고리즘을 제안하며, 최대우도 추정치의 신뢰구간 추정을 가능하게 한다. 환율 자료에 이 방법을 적용한 결과, 일부 통화쌍에서는 시간에 따라 변화하는 의존성 매개변수를 발견하였는데, 특히 2007–2008년 금융위기 기간 동안 두드러진 변화를 보였고, 다른 일부는 안정되어 있었다. 작은 윈도우 크기로 분석할 경우 높은 추정 불확실성으로 인해 허위로 나타나는 변동성이 존재한다.

ABSTRACT

We demonstrate how the uncertainty of parameter point estimates can be assessed in a maximum likelihood framework in order to prevent overfitting and erroneous detection of time-inhomogeneity. The class of models we consider are regular vine (R-vine) copula models, for which we describe a new algorithm for the exact computation of the score function and observed information. R-vine copulas constitute a flexible class of dependence models which are constructed hierarchically from bivariate copulas as building blocks only, and our algorithm exploits the hierarchical nature for subsequent computation of log-likelihood derivatives. Results obtained using the proposed methods are discussed in the context of the asymptotic efficiency of different estimation methods for R-vine based models. In a substantial application to a dataset of exchange rates, we obtain clear indications for time-inhomogeneous dependence between some currency pairs.

연구 동기 및 목표

• R-빈 복합 모델의 최대우도 추정에서 표준오차 계산의 부재로 인해 의존성의 시간적 변화에 대한 신뢰할 수 있는 추론이 어려운 문제를 해결하기 위해.
• R-빈 복합 모델의 계층적 구조를 활용하여 점수 함수와 관측 정보 행렬을 수치적으로 안정적이고 효율적으로 계산하는 알고리즘을 개발하기 위해.
• 롤링 윈도우 분석을 통해 관측된 의존성 매개변수의 시간적 변화가 통계적으로 유의미한지, 아니면 추정 불확실성에 의한 결과인지 평가하기 위해.
• 계산된 피셔 정보 행렬을 활용하여 다양한 추정 방법(예: 전체 최대우도 대비 이단계 추정)의 점근적 효율성을 비교하기 위해.
• 금융 다변량 자료에서 시간에 따라 변화하는 의존성의 존재를 탐지하는 데 있어 롤링 윈도우 분석의 탄력성 평가하기 위해.

제안 방법

• R-빈 복합 모델의 계층적 트리 구조를 활용하여 로그우도 도함수(점수 함수)를 정확하고 효율적으로 계산하는 새로운 알고리즘을 개발한다.
• R-빈 모델의 계층적 분해를 활용하여 관측 정보 행렬을 로그우도의 음의 헤시안 행렬로 계산함으로써 표준오차 추정이 가능하도록 한다.
• 수치적 적분 기법을 활용하여 피셔 정보 행렬을 계산하여, 다양한 추정 방법 간의 점근적 효율성 비교를 지원한다.
• 다양한 윈도우 크기(100, 200, 400개 관측치)를 사용한 롤링 윈도우 분석을 통해 환율 쌍 간의 복합 모수의 시간적 변화를 평가한다.
• 추정된 표준오차를 기반으로 점별 95% 신뢰구간을 구성하여 유의미한 시간적 변화와 표본 노이즈를 구분한다.
• 다양한 윈도우 크기에서의 매개변수 추정치와 신뢰구간을 비교하여 관측된 변동성의 신뢰성 평가한다.

실험 결과

연구 질문

• RQ1 통화쌍 간의 관측된 의존성 매개변수의 시간적 변화는 통계적으로 유의미한가, 아니면 추정 불확실성에 의한 결과인가?
• RQ2 R-빈 복합 모델에 대해 새로운 알고리즘이 계층적 구조를 활용하여 정확한 표준오차를 신뢰성 있게 계산할 수 있는가?
• RQ3 롤링 윈도우 크기의 선택이 금융 자료에서 시간에 따라 변화하는 의존성의 탐지에 어떤 영향을 미치는가?
• RQ4 R-빈 복합 모델에서 전체 최대우도 추정과 이단계 추정 중 어느 방법이 더 뛰어난 점근적 효율성을 보이는가?
• RQ5 금융 시장 충격, 예를 들어 2008년 금융위기가 다변량 의존성 구조에 감지 가능한 변화를 유도하는 정도는 어느 정도인가?

주요 결과

• 제안된 알고리즘은 R-빈 복합 모델에 대해 점수 함수와 관측 정보 행렬을 정확하고 효율적으로 계산할 수 있게 하여, 이 모델군의 통계적 추론에서 핵심적인 격차를 해결한다.
• 새로운 방법으로 계산된 표준오차는 작은 윈도우 크기(예: 100개 관측치)에서 관측된 의존성 매개변수의 시간적 변화가 높은 추정 불확실성으로 인해 통상적으로 통계적으로 유의미하지 않음을 드러낸다.
• 8차원 환율 데이터셋에서 GBP/USD와 EUR/USD 간의 의존성에 대해 시간적 변화가 유의미하게 감지되었으며, 2007–2008년 기간 동안 의존성 강도가 初기 값의 75%로 감소하였다.
• 반면, AUD/USD를 조건으로 하여 EUR/USD와 BRL/USD 간의 의존성은 시간에 따라 안정되어 있었으며, 이 모델 하위 집합에서의 시간적 변화는 유의미하지 않았다.
• 더 큰 윈도우 크기(예: 400개 관측치)는 좁은 신뢰구간과 더 안정된 추정치를 제공하여, 100–200개 관측치는 짧은 기간의 의존성 변화를 신뢰성 있게 탐지하기에 부족하다는 것을 시사한다.
• 연구는 일부 의존성 매개변수는 시간에 따라 뚜렷이 변화하지만, 많은 롤링 윈도우 분석에서 관측된 변동성의 대부분은 진정한 구조적 변화가 아니라 추정 노이즈에 의한 결과임을 결론 내린다.