[논문 리뷰] Modeling high dimensional time-varying dependence using D-vine SCAR models

Carlos Almeida, Claudia Czado외 1명|arXiv (Cornell University)|2012. 02. 09.

Financial Risk and Volatility Modeling참고 문헌 41인용 수 12

한 줄 요약

이 논문은 D-비너 SCAR 모델을 제안하여 금융 시계열의 고차원적이고 시간에 따라 변화하는 의존성을 D-비너 커플링과 스토하스틱 자기회귀 커플링(SCAR) 모델을 결합함으로써 포착한다. 이 방법은 시뮬레이션 최대우도를 통한 순차적 추정을 가능하게 하며, 고차원 커플링 매개변수를 일정하게 제약하여 매개변수 수를 감소시키며, 시간에 따라 변화하는 꼬리 의존성을 가지는 29개의 DAX 30 주가 수익률에 대해 뛰어난 성능을 보인다.

ABSTRACT

We consider the problem of modeling the dependence among many time series. We build high dimensional time-varying copula models by combining pair-copula constructions (PCC) with stochastic autoregressive copula (SCAR) models to capture dependence that changes over time. We show how the estimation of this highly complex model can be broken down into the estimation of a sequence of bivariate SCAR models, which can be achieved by using the method of simulated maximum likelihood. Further, by restricting the conditional dependence parameter on higher cascades of the PCC to be constant, we can greatly reduce the number of parameters to be estimated without losing much flexibility. We study the performance of our estimation method by a large scale Monte Carlo simulation. An application to a large dataset of stock returns of all constituents of the Dax 30 illustrates the usefulness of the proposed model class.

연구 동기 및 목표

• 금융 시계열에서 고차원적이고 시간에 따라 변화하는 의존성을 모델링하는 것, 특히 체계적 리스크와 포트폴리오 관리의 맥락에서.
• 기존의 커플링 모델이 일정한 의존성을 가정하거나 저차원에 국한된 한계를 해결하는 것.
• 더 큰 유연성과 해석 가능성 확보를 위해 D-비너 커플링 구성 방식을 사용해 SCAR 모델 프레임워크를 고차원 설정으로 확장하는 것.
• 복잡한 모델을 다룰 수 있는 이원분포 성분으로 분해함으로써 계산 효율성을 높인 시뮬레이션 최대우도 기반의 효율적 추정 절차 개발.
• 대규모 몬테카를로 시뮬레이션과 29개의 DAX 30 구성 종목에 대한 실증 적용을 통해 모델 성능을 검증하는 것.

제안 방법

• 시간에 따라 변화하는 의존성을 고차원 시계열에서 모델링하기 위해 쌍-커플링 구성(PCC)과 스토하스틱 자기회귀 커플링(SCAR) 모델을 결합한다.
• 다중변량 분포를 순차적인 이元 커플링으로 분해하기 위해 D-비너 구조를 사용하여 모듈러하고 순차적인 추정이 가능하도록 한다.
• 커플링 매개변수 내 잠재 자기회귀 과정에서 발생하는 비가역적 적분을 처리하기 위해 시뮬레이션 최대우도 추정(SMLE)을 적용한다.
• D-비너의 고차원 캐스케이드에서 조건부 의존성 매개변수를 일정하게 제약하여 매개변수 수를 크게 감소시키면서도 모델의 유연성은 유지한다.
• 고차원 설정에서 우도 평가의 정확성과 효율성을 향상시키기 위해 효율적인 중요도 샘플링을 활용한다.
• 모델 선택을 위해 BIC를 사용하며, 커플링 가족 선택과 쌍-커플링이 시간에 따라 변화하는 매개변수를 가지는지 여부를 포함한다.

실험 결과

연구 질문

• RQ1 비대칭 꼬리 의존성과 여러 금융 자산 간의 동적 상관관계를 포착할 수 있는 고차원적이고 시간에 따라 변화하는 의존성 모델을 구축할 수 있는가?
• RQ2 이러한 복잡한 모델의 추정을 고차원에서 계산적으로 가능하게 할 수 있는가?
• RQ3 고차원 조건부 커플링 매개변수를 일정하게 제약함으로써 매개변수 수를 줄일 수 있는가, 이로 인해 모델 적합도가 손상되지 않는가?
• RQ4 유한 표본에서 제안된 순차적 추정 방법의 성능은 편향과 평균제곱오차 측면에서 얼마나 우수한가?
• RQ5 실제 금융 데이터에서, 예를 들어 DAX 30 지수 구성 종목에서 관찰되는 바와 같이 의미 있는 시간에 따라 변화하는 의존성 패턴을 모델이 탐지할 수 있는가?

주요 결과

• 제안된 D-비너 SCAR 모델은 고차원 금융 데이터에서 시간에 따라 변화하는 의존성을 성공적으로 포착하며, 실증 결과는 특히 시장 불안정 시기 동안 의존성의 상당한 동적 변화를 보여준다.
• 몬테카를로 연구에서 모델은 다양한 설정에서 추정된 커플링 매개변수에 대해 수용 가능한 편향과 평균제곱오차를 보이며 우수한 성능을 나타낸다.
• 고차원 조건부 커플링에 대해 일정한 매개변수를 사용함으로써 매개변수 수를 크게 감소시키면서도 모델의 유연성과 적합도를 유지할 수 있다.
• 29개의 DAX 30 주식에 대한 실증 적용에서, Bayer와 같은 기업의 의존성은 덜 두드러지고 종종 음의 움직임을 보이며, 다른 기업들은 더 강하고 시간에 따라 변화하는 의존성을 보인다.
• 시간에 따라 변화하는 매개변수를 允허할 경우, 중간에서 강한 의존성의 경우 비정규 쌍-커플링이 정규 커플링으로 자주 대체되며, 이는 시간에 따라 변화하는 정규 커플링이 복잡한 의존성 구조를 효과적으로 포착할 수 있음을 시사한다.
• 모델은 시간에 따라 변화하는 커플링 매개변수가 체계적 리스크와 꼬리 의존성의 모델링을 향상시킴을 보여주며, 특히 시장의 불안정성 기간 동안 뚜렷한 개선 효과를 보인다.