[논문 리뷰] Modelling multivariate volatilies via conditionally uncorrelated components

Jianqing Fan, Mingjin Wang외 1명|ArXiv.org|2005. 06. 02.

Financial Risk and Volatility Modeling참고 문헌 21인용 수 5

한 줄 요약

이 논문은 조건부로 상관없는 성분(Conditional Uncorrelated Components, CUCs)을 기반으로 한 새로운 다변량 변동성 모델을 제안한다. 이 모델은 고차원 변동성 행렬을 저차원의 상관없는 성분들로 분해하여 단순화된 모델링을 가능하게 한다. 각 성분은 독립적으로 단변량 GARCH 모델로 모델링되며, 이는 효율적인 계산과 일致한 추정을 가능하게 하며, CUC 구조의 타당성을 검증하기 위해 부트스트랩 검정을 제안한다.

ABSTRACT

We propose to model multivariate volatility processes based on the newly defined conditionally uncorrelated components (CUCs). This model represents a parsimonious representation for matrix-valued processes. It is flexible in the sense that we may fit each CUC with any appropriate univariate volatility model. Computationally it splits one high-dimensional optimization problem into several lower-dimensional subproblems. Consistency for the estimated CUCs has been established. A bootstrap test is proposed for testing the existence of CUCs. The proposed methodology is illustrated with both simulated and real data sets.

연구 동기 및 목표

• 고차원 다변량 GARCH 모델에서의 과도한 모수화와 계산의 비가능성 문제를 해결하기 위해.
• 동적 의존성을 유지하면서 추정을 단순화하는 차원 축소 프레임워크를 개발하기 위해.
• 조건부 공분산 행렬을 조건부로 상관없는 성분들로 분해함으로써 다변량 변동성의 일致한 추정을 가능하게 하기 위해.
• 금융 시계열에서 조건부로 상관없는 성분의 존재 여부를 검증하기 위한 부트스트랩 검정을 제안하기 위해.
• 시간에 따라 변화하는 상관계수를 더 효율적으로 모델링하여 포트폴리오 리스크 관리와 자산 가격 결정을 향상시키기 위해.

제안 방법

• 조건부로 상관없는 성분(CUCs)의 개념을 도입하여, 조건부 공분산 행렬이 과거 정보를 조건으로 상관없는 성분들로 분해됨을 제안한다.
• GARCH(1,1)와 같은 적절한 단변량 변동성 모델을 사용하여 각 CUC을 별도로 모델링함으로써, 민첩하고 효율적인 추정이 가능해진다.
• 고차원 우도 최적화 문제를 여러 개의 저차원 하위 문제로 분할하여 계산 부담을 감소시킨다.
• 오차 과정의 모멘트 조건과 믹싱 조건을 포함한 정규 조건 하에서 추정된 CUC들의 일致성을 입증한다.
• CUC 구조의 통계적 유의성을 평가하기 위해 부트스트랩 기반 검정을 제안하며, 성분들이 진정으로 조건부로 상관없는지 검증한다.
• 두 단계 추정 절차를 사용한다: 먼저 각 성분에 대한 단변량 변동성 추정을 수행하고, 그 다음 최적화를 통해 CUC 구조를 추정한다.

실험 결과

연구 질문

• RQ1 조건부 공분산 행렬을 조건부로 상관없는 성분들로 분해함으로써 다변량 변동성을 효과적으로 모델링할 수 있는가?
• RQ2 기존의 다변량 GARCH 모델과 비교해 볼 때 CUC 기반 모델은 과도한 모수화를 줄이고 계산 가능성을 향상시키는가?
• RQ3 정규 조건 하에서 추정된 CUC 구조는 일치하는가? 그리고 신뢰성 있게 검증할 수 있는가?
• RQ4 DCC-GARCH나 직교 GARCH와 같은 기존 모델과 비교해 볼 때 CUC 모델은 동적 상관관계를 얼마나 잘 포착하는가?
• RQ5 부트스트랩 검정은 실제 금융 데이터에서 조건부로 상관없는 성분의 존재를 신뢰성 있게 탐지할 수 있는가?

주요 결과

• 제안된 CUC 모델은 조건부 공분산 행렬을 조건부로 상관없는 성분들로 분해함으로써 다변량 변동성 과정에 대한 단순한 표현을 제공한다.
• 오차 과정의 모멘트 조건과 믹싱 조건을 포함한 정규 조건 하에서 추정된 CUC들의 일치성이 입증된다.
• 이 방법은 고차원 최적화 문제를 여러 개의 저차원 하위 문제로 분할함으로써 계산 효율성을 크게 향상시킨다.
• 부트스트랩 기반 검정이 제안되었으며, CUC의 존재 여부를 검증하는 데 효과적임이 입증되었으며, 귀무가설 하에서 검정 통계량이 분포 수렴을 보였다.
• 시뮬레이션 연구와 실제 데이터 적용을 통해, 이질적인 동적 상관계수 구조를 가진 경우 CUC 모델이 직교 GARCH와 DCC-GARCH보다 더 나은 적합도를 보였다.
• 특히 성분들이 서로 다른 동적 의존 패턴을 보일 경우, 시간에 따라 변화하는 상관계수를 더 잘 포착하는 데 기존 방법들을 능가한다.