[논문 리뷰] "Nonlinear" covariance matrix and portfolio theory for non-Gaussian multivariate distributions

Didier Sornette, P. Simonetti외 1명|arXiv (Cornell University)|1999. 03. 12.

Complex Systems and Time Series Analysis인용 수 6

한 줄 요약

이 논문은 비정규 다변량 자산 수익률을 정규 분포로 매핑하는 비선형 공분산 행렬을 제안하여, 안정적이고 꼬리에 민감한 종속성 측도를 가능하게 한다. 필라-큐 장 이론과 대규모 이황 기법을 사용하여, 포트폴리오 분산 최소화가 갑작스러운 큰 위험을 증가시킬 수 있음을 보여주며, 비정규 분포에서 꼬리 구조는 상관계수보다 위험 예측에 더 중요하다는 점을 강조한다.

ABSTRACT

This paper offers a precise analytical characterization of the distribution of returns for a portfolio constituted of assets whose returns are described by an arbitrary joint multivariate distribution. In this goal, we introduce a non-linear transformation that maps the returns onto gaussian variables whose covariance matrix provides a new measure of dependence between the non-normal returns, generalizing the covariance matrix into a non-linear fractional covariance matrix. This nonlinear covariance matrix is chiseled to the specific fat tail structure of the underlying marginal distributions, thus ensuring stability and good-conditionning. The portfolio distribution is obtained as the solution of a mapping to a so-called phi-q field theory in particle physics, of which we offer an extensive treatment using Feynman diagrammatic techniques and large deviation theory, that we illustrate in details for multivariate Weibull distributions. The main result of our theory is that minimizing the portfolio variance (i.e. the relatively ``small'' risks) may often increase the large risks, as measured by higher normalized cumulants. Extensive empirical tests are presented on the foreign exchange market that validate satisfactorily the theory. For ``fat tail'' distributions, we show that an adequete prediction of the risks of a portfolio relies much more on the correct description of the tail structure rather than on their correlations.

연구 동기 및 목표

• 전통적인 공분산 행렬이 비정규 다변량 수익률 분포의 꼬리 위험을 포착하는 데 한계가 있음을 다루기 위해.
• 비정규 꼬리 분포를 고려한 안정적이고 잘 조절된 종속성 측도를 개발하기 위해.
• 특히 필라-큐 장 이론과 파이먼 다이어그램 기법을 활용한 장 이론적 방법을 사용해 포트폴리오 리스크 분석을 재구성하기 위해.
• 비정규 분포에서 분산 최소화가 고차수 리스크 측도, 예를 들어 정규화된 누적량을 증가시킬 수 있음을 보여주기 위해.
• 외환 시장 데이터를 사용해 이론을 실증적으로 검증하여, 꼬리 모델링을 통한 위험 예측 성능이 뛰어나다는 것을 보여주기 위해.

제안 방법

• 비정규 수익률을 정규 변수로 매핑하는 비선형 변환을 도입하여, 꼬리가 두꺼운 변량에 적합한 '분수형' 공분산 행렬을 도출한다.
• 통계역학의 필라-큐 장 이론으로의 매핑을 구성하여, 포트폴리오 수익률 분포의 분석적 처리를 가능하게 한다.
• 파이먼 다이어그램 기법과 대규모 이황 이론을 적용해, 가우시안 근사 이외의 포트폴리오 수익률 전체 분포를 계산한다.
• 형식적 방법과 그 예측 능력을 설명하기 위해 다변량 웨이불 분포를 구체적인 사례로 사용한다.
• 모수적 꼬리 행동에 맞게 비선형 공분산 행렬을 校정하여 수치적 안정성과 조건 수를 확보한다.
• 외환 시장의 실증 데이터를 사용해, 기존의 가우시안 기반 포트폴리오 리스크 측도와 비교하여 모델의 예측 정확도를 시험한다.

실험 결과

연구 질문

• RQ1 비정규 꼬리가 두꺼운 다변량 수익률 분포에서 종속성을 포착하기 위해 공분산 행렬을 어떻게 일반화할 수 있는가?
• RQ2 비정규 설정에서 포트폴리오 분산 최소화가 큰 꼬리 기반 위험을 제어하지 못하는 정도는 어느 정도인가?
• RQ3 필라-큐 이론과 같은 장 이론적 방법이 포트폴리오 수익률 분포에 대해 분석적으로 다룰 수 있는 프레임워크를 제공할 수 있는가?
• RQ4 선형 상관계수 측도와 비교해, 모수적 꼬리의 구조가 전체 포트폴리오 리스크에 미치는 영향은 어떠한가?
• RQ5 꼬리 행동을 명시적으로 모델링하면, 상관계수 기반 분산 최소화에 의존하는 것보다 더 나은 위험 예측이 가능할까?

주요 결과

• 비선형 분수형 공분산 행렬은 모수적 꼬리 분포의 두꺼운 꼬리 구조에 명시적으로 맞춰져 있어 수치적 안정성과 양호한 조건 수를 보장한다.
• 포트폴리오 분산 최소화가 고차수 정규화 누적량을 증가시킬 수 있으며, 이는 작은 리스크 최적화가 꼬리가 두꺼운 환경에서 큰 파국적 리스크를 악화시킬 수 있음을 시사한다.
• 외환 시장 데이터에 대한 실증 테스트는 기존의 가우시안 기반 접근보다 모델의 예측 우수성을 확인한다.
• 필라-큐 장 이론 프레임워크는 파이먼 다이어그램과 대규모 이황 분석을 사용해 포트폴리오 수익률 전체 분포를 정확하게 계산할 수 있게 한다.
• 꼬리가 두꺼운 분포에서는 정확한 상관계수 추정보다 꼬리 행동을 정확히 모델링하는 것이 더 중요한 위험 예측에 기여한다.
• 이론은 특히 극단적인 시장 조건에서 꼬리 구조가 리스크 평가에 더 큰 영향을 미친다는 점을 보여주며, 전통적인 평균-분산 최적화의 기초를 도전한다.