[논문 리뷰] Objective priors for the number of degrees of freedom of a multivariate t distribution and the t-copula

Cristiano Villa, Francisco J. Rubio|Kent Academic Repository (University of Kent)|2017. 01. 19.

Financial Risk and Volatility Modeling참고 문헌 21인용 수 5

한 줄 요약

이 논문은 정보 이론적 손실 함수를 사용하여 다변량 t분포와 t-코풀라에서 자유도(ν)에 대한 객관적 베이지안 사전분포를 제안한다. ν의 지지체를 정규분포로의 수렴에 기반해 잘라내어, 이는 이산적인 ν에 대해 일관되고 비정보성 사전분포를 제공함으로써 유효한 추론이 가능하게 하며, 시뮬레이션과 실제 금융 시장 데이터 응용에서 강력한 빈도주의 커버리지 성질을 보인다.

ABSTRACT

An objective Bayesian approach to estimate the number of degrees of freedom $(ν)$ for the multivariate $t$ distribution and for the $t$-copula, when the parameter is considered discrete, is proposed. Inference on this parameter has been problematic for the multivariate $t$ and, for the absence of any method, for the $t$-copula. An objective criterion based on loss functions which allows to overcome the issue of defining objective probabilities directly is employed. The support of the prior for $ν$ is truncated, which derives from the property of both the multivariate $t$ and the $t$-copula of convergence to normality for a sufficiently large number of degrees of freedom. The performance of the priors is tested on simulated scenarios. The R codes and the replication material are available as a supplementary material of the electronic version of the paper and on real data: daily logarithmic returns of IBM and of the Center for Research in Security Prices Database.

연구 동기 및 목표

• 다변량 t분포와 t-코풀라 모델에서 이산적인 자유도 매개변수 ν에 대한 객관적 사전분포의 부족을 해결하기 위해.
• 사전 정보가 최소이거나 존재하지 않을 경우, 형식적이고 객관적인 베이지안 접근법을 ν에 대해 개발하기 위해.
• 직접 확률 할당이 아닌 손실 기반 기준을 사용하여 이산 매개변수에 대한 객관적 확률을 할당하는 데 어려움을 극복하기 위해.
• ν → ∞ 일 때 t분포의 점근적 정규성과 일관성을 유지하기 위해 지지체를 잘라내어 사전분포를 정의하기 위해.
• 시뮬레이션 연구와 실제 금융 시장 데이터(로그수익률)를 통한 후행 추론의 성능을 평가하기 위해.

제안 방법

• ν가 잘못 지정되었을 때 정보 손실을 측정하기 위해 쿨백-라이블러 발산 기반의 손실 함수를 사용한다.
• 기대 손실을 최소화함으로써 객관적 사전분포를 정의하여, ν에 대한 이산적이고 잘라낸 사전분포를 도출한다.
• 다변량 t분포가 ν가 증가함에 따라 정규분포로 수렴함에 따라, ν의 지지체를 유한한 상한값으로 잘라낸다.
• 동일한 손실 기반 기준을 다변량 t분포와 t-코풀라 양쪽에 적용하여 방법론적 일관성을 확보한다.
• 기타 모델 매개변수에 대해 약한 정보성 사전분포를 사용하고, ν에 대한 객관적 사전분포 구축에 집중한다.
• 후행 추론의 빈도주의 성질을 검증하기 위해 시뮬레이션 연구와 실제 데이터(IBM 및 CRSP의 일일 로그수익률)를 활용한다.

실험 결과

연구 질문

• RQ1 다변량 t분포에서 이산적인 자유도 매개변수 ν에 대한 객관적 사전분포는 어떻게 구성할 수 있는가?
• RQ2 기본적인 비정보성 사전분포가 불능인 경우, 이산 매개변수에 대한 객관적 확률을 정의하는 적절한 방법은 무엇인가?
• RQ3 제안된 손실 기반 사전분포는 다변량 t모델에서 ν에 대한 빈도주의 커버리지 성능에서 어떻게 작용하는가?
• RQ4 동일한 객관적 사전분포 프레임워크를 꼬리 의존성을 제어하는 ν를 가진 t-코풀라 모델로 확장할 수 있는가?
• RQ5 제안된 사전분포는 실제 금융 로그수익률 데이터에서 어떻게 실증적으로 성능을 발휘하는가?

주요 결과

• 제안된 ν에 대한 객관적 사전분포는 양호한 빈도주의 커버리지 성질을 보이며, 여러 시뮬레이션 시나리오에서 95% 신뢰구간이 진짜 ν를 일관되게 포함한다.
• d=2,3 및 n=250일 때, 다양한 ν와 상관수준에서 95% 신뢰구간의 평균 커버리지율은 0.90에서 0.98 사이로 변동한다.
• ρ=0.25, 0.50, 0.75 및 n=250일 때 이元 t-코풀라 모델의 95% 구간 평균 커버리지율은 0.95 이상이었으며, 이는 안정적인 성능을 의미한다.
• 작은 표본 크기(n=50)에서도 성능이 양호하여 대부분의 경우 커버리지율이 0.87 이상이었다.
• 이 방법은 ν의 이산성에 효과적으로 대처하며, 실무에서 흔히 사용되는 균일 또는 비정규 사전분포의 함정을 피한다.
• IBM 및 CRSP 데이터에 대한 실증 분석 결과, 제안된 사전분포를 사용한 모델은 꼬리 의존성에 대해 안정적이고 해석 가능한 추론을 제공한다.