[논문 리뷰] Nonparametric estimation of the conditional distribution in a discrete-time stochastic volatility model

Roland Langrock, Théo Michelot외 2명|arXiv (Cornell University)|2013. 08. 27.

Financial Risk and Volatility Modeling참고 문헌 26인용 수 1

한 줄 요약

이 논문은 이산시간 스토하스틱 볼라티리티(SV) 모형에서 수익률의 조건부 분포를 비모수적 최대 펜라티드 우도 방법으로 추정하는 것을 제안한다. 이는 수익률 분포에 대한 파라미터적 가정을 피함으로써 이루어지며, 은닉 마르코프 모형과 펜라티드 B-스플라인을 결합함으로써 베이지안 반모수적 SV 모형에 대한 탄력적이고 빈도주의적 대안을 제공한다. 시뮬레이션과 실제 금융 수익률 데이터에서 강력한 타당성과 적용 가능성을 입증한다.

ABSTRACT

Stochastic volatility (SV) models mimic many of the stylized facts attributed to time series of asset returns, while maintaining conceptual simplicity. The commonly made assumption of conditionally normally distributed or Student-t-distributed returns, given the volatility, has however been questioned. In this manuscript, we introduce a novel maximum penalized likelihood approach for estimating the conditional distribution in an SV model in a nonparametric way, thus avoiding any potentially critical assumptions on the shape. The considered framework exploits the strengths both of the powerful hidden Markov model machinery and of penalized B-splines, and constitutes a powerful and flexible alternative to recently developed Bayesian approaches to semiparametric SV modelling. We demonstrate the feasibility of the approach in a simulation study before outlining its potential in applications to three series of returns on stocks and one series of stock index returns.

연구 동기 및 목표

• 스토하스틱 볼라티리티 모형에서 수익률 분포에 대한 파라미터적 가정(정규분포 또는 스터디언트-t 분포 등)의 한계를 해결하기 위해.
• 기존의 베이지안 반모수적 SV 모형에 대한 빈도주의적 비모수적 대안을 개발하여 강력한 분포 가정을 피하기 위해.
• 은닉 마르코프 모형과 펜라티드 B-스플라인의 장점을 활용하여 조건부 분포의 탄력적이고 견고한 추정을 위해.
• 모의 및 실제 금융 수익률 데이터(주식 및 주가 지수 포함)에서 제안된 방법의 타당성과 실용적 유용성을 입증하기 위해.

제안 방법

• 이 방법은 잠재 변동성에 조건부한 수익률의 조건부 분포를 비모수적으로 추정하기 위해 최대 펜라티드 우도 추정 프레임워크를 사용한다.
• 조건부 밀도는 펜라티드 B-스플라인을 사용하여 모델링하여 특정 파라미터적 가정 없이도 부드럽고 탄력적인 근사가 가능하다.
• 잠재 변동성 과정은 은닉 마르코프 과정으로 간주되어 시간에 따라 변화하는 변동성 역학을 효율적으로 모델링할 수 있다.
• B-스플라인 계수에 페널티 항을 적용하여 부드러움을 제어하고 과적합을 방지함으로써 안정적인 추정을 보장한다.
• 반복 알고리즘을 통해 변동성 상태를 갱신하고 조건부 밀도 추정치를 정교화하는 방식으로 추정 절차를 구현한다.
• 은닉 마르코프 모형의 구조적 명확성과 B-스플라인의 비모수적 탄력성의 조합을 통해 베이지안 방법에 대한 견고한 대안을 제공한다.

실험 결과

연구 질문

• RQ1 특정 파라미터적 형태를 가정하지 않고도 SV 모형에서 수익률의 조건부 분포를 비모수적 방법으로 추정할 수 있는가?
• RQ2 제안된 펜라티드 우도 방법의 성능은 기존의 베이지안 반모수적 접근법과 비교해 볼 때 탄력성과 계산 효율성 측면에서 어떻게 다른가?
• RQ3 이 방법은 실제 금융 데이터에서 복잡한 비타원형 분포를 얼마나 잘 포착할 수 있는가?
• RQ4 특히 파라미터적 가정이 잘못되었을 경우의 유한 표본에서 이 방법은 얼마나 잘 작동하는가?
• RQ5 이 방법은 개인 주식과 주가 지수를 포함한 다양한 금융 수익률 시리즈에 효과적으로 적용될 수 있는가?

주요 결과

• 제안된 방법은 수익률 분포에 대한 잠재적인 오해를 초래할 수 있는 파라미터적 가정을 피하면서도 비모수적으로 수익률의 조건부 분포를 성공적으로 추정한다.
• 펜라티드 B-스플라인과 은닉 마르코프 모형의 조합은 복잡한 비타원형 설정에서도 정확하고 부드러운 조건부 밀도 추정을 가능하게 한다.
• 시뮬레이션 연구를 통해 다양한 데이터 생성 과정 하에서 이 방법의 타당성과 견고성이 확인된다.
• 실제 데이터에서 뛰어난 성능을 보이며, 세 개의 개별 주식 수익률 시리즈와 한 개의 주가 지수 시리즈에서 표준 파라미터 모델을 초월한 분포적 특징을 포착한다.
• 특히 파라미터적 가정이 의심스러운 상황에서 베이지안 반모수적 SV 모형에 대한 실용적이고 계산 효율적이며 탄력적인 대안을 제공한다.