[논문 리뷰] Levy-stable distributions revisited: tail index > 2 does not exclude the Levy-stable regime

Rafał Weron|arXiv (Cornell University)|2001. 01. 01.

Complex Systems and Time Series Analysis인용 수 8

한 줄 요약

이 논문은 일반적으로 사용되는 尾指数 추정기법—로그-로그 선형 회귀와 힐 추정기—가 유니타리-스테이블 분포의 유한 표본에서 꼬리 지수 α를 심각하게 과대평가할 수 있음을 보여준다. 특히 α가 2에 가까울 경우 더욱 그렇다. 연구는 보고된 꼬리 지수 값이 약 3일 경우 실제로는 α ≈ 1.8인 진정된 리비-스테이블 구조일 수 있음을 시사하며, 이는 금융 수익률 데이터에서 리비-스테이블성을 기각하는 데 있어 이러한 추정에 기반한 결론을 재고할 필요가 있음을 시사한다.

ABSTRACT

Power-law tail behavior and the summation scheme of Levy-stable distributions is the basis for their frequent use as models when fat tails above a Gaussian distribution are observed. However, recent studies suggest that financial asset returns exhibit tail exponents well above the Levy-stable regime ($0<\alpha\le 2$). In this paper we illustrate that widely used tail index estimates (log-log linear regression and Hill) can give exponents well above the asymptotic limit for $\alpha$ close to 2, resulting in overestimation of the tail exponent in finite samples. The reported value of the tail exponent $\alpha$ around 3 may very well indicate a Levy-stable distribution with $\alpha\approx 1.8$.

연구 동기 및 목표

• 리비-스테이블 분포에 대해 일반적으로 사용되는 꼬리 지수 추정 방법—로그-로그 선형 회귀와 힐 추정기—의 신뢰성을 조사하기 위해.
• 유한 표본에서 꼬리 지수 α의 과대평가가 금융 수익률 데이터에서 리비-스테이블 구조의 기각에 부적절하게 이르게 하는지 평가하기 위해.
• 보고된 꼬리 지수 값이 약 3일 경우 실제로는 α ≈ 1.8인 진정된 리비-스테이블 분포일 수 있음을 보여주기 위해, 특히 α가 2에 가까울 경우에 중점을 두기 위해.
• 매우 큰 데이터셋과 극단치 통계를 사용하여 진정된 꼬리 행동을 복원하는 데의 중요성을 부각하기 위해.

제안 방법

• α ∈ (1.8, 1.95) 범위의 비편향 리비-스테이블 분포(β = 0)를 시뮬레이션하여, 표본 크기가 최대 10^8에 이르는 경우의 추정 편향을 평가하기 위해.
• empirical 누적분포함수에서 꼬리 지수를 추정하기 위해 힐 추정기와 로그-로그 선형 회귀를 적용하기 위해.
• α와 β에 대한 연속성을 확보하고 안정적인 수치 계산을 가능하게 하기 위해 특성함수의 S0α(σ, β, µ0) 매개변수화를 사용하기 위해.
• 다양한 임계값 k(상위 순서 통계의 수)에 대해 힐 플롯과 회귀 적합을 분석하여 안정된 추정 영역을 식별하기 위해.
• 유한 표본에서의 과대평가 편향을 정량화하기 위해 추정된 꼬리 지수 값을 진정된 α 값과 비교하기 위해.
• 극단치 값(k < 0.1% 표본 크기)에 집중하여 진정된 힘의 법칙 감쇠 행동을 분리하기 위해.

실험 결과

연구 질문

• RQ1 진정한 분포가 α ≤ 2인 리비-스테이블일 경우, 표준 꼬리 지수 추정기법인 힐 추정기와 로그-로그 회귀가 α > 2의 값을 산출할 수 있는가?
• RQ2 α가 2에 가까울 경우, 특히 표본 크기가 유한할 때 꼬리 지수 α의 과대평가가 얼마나 유한 표본 효과에 의해 유도되는가?
• RQ3 금융 수익률 데이터에서 약 3의 꼬리 지수를 보고할 경우, α ≈ 1.8인 리비-스테이블 분포의 가능성은 반드시 배제되는가?
• RQ4 리비-스테이블 분포의 진정된 꼬리 행동을 신뢰성 있게 복원하기 위해 필요한 표본 크기와 추정 전략은 무엇인가?

주요 결과

• α가 2에 가까울 경우, 특히 유한 표본에서 힐 추정기와 로그-로그 회귀는 진정된 α보다 훨씬 높은 꼬리 지수 추정치를 산출할 수 있다.
• α = 1.8일 경우, 힐 추정기는 오직 k ≈ 25,000에서 60,000(즉, 10^8 표본의 0.06% 미만)에서 정확한 추정치를 제공하며, 이는 매우 좁은 최적 범위임을 시사한다.
• α = 1.95일 경우, 힐 추정기는 오직 k < 20,000(k < 표본 크기의 0.02%)에서 진정된 값에 가까운 추정치를 유지하며, 어떤 단일 k 값에서도 일관된 추정치를 제공하지 못한다.
• 10^8 건의 관측치가 있어도, 금융 데이터에서 보고된 꼬리 지수 α ≈ 3은 실제로는 α ≈ 1.8인 진정된 리비-스테이블 구조를 반영할 수 있으며, 이는 α > 2인 비스테이블 힘의 법칙이 아님을 시사한다.
• 극단 수익률의 경험적 누적분포함수에서 관찰되는 상승 곡선(참고 문헌 [14] 참조)은 초기 힘의 법칙 감쇠가 실제로는 α < 2일 수 있음을 암시하며, 이는 꼬리 행동의 오해로 이어질 수 있음을 시사한다.
• 꼬리 지수 추정치가 약 3일 경우 리비-스테이블성을 기각하는 것은 완전히 정당화되지 않으며, 이러한 값들은 표준 추정기의 유한 표본 편향에서 비롯될 수 있음을 시사한다.