[논문 리뷰] On a multi-timescale statistical feedback model for volatility fluctuations

Lisa Borland, Jean‐Philippe Bouchaud|ArXiv.org|2005. 07. 10.

Complex Systems and Time Series Analysis참고 문헌 42인용 수 9

한 줄 요약

이 논문은 여러 시간 스케일에 걸친 통계적 피드백 모델을 제안하여 금융 변동성의 핵심 스타일리시티(fat-tailed returns, volatility clustering, long-range memory, multifractality, 충격 후 비정상적 회복)를 설명한다. 이는 다양한 시간 범위에서 과거 제곱 수익률의 거듭제곱 법칙(superposition)으로 변동성을 모델링함으로써 달성된다. 모델은 과거 변동성이 미래의 소규모 변동성에 영향을 주는 시간 비대칭성(시간 비대칭성)을 재현하며, 실증 데이터와 일치하기 위해 매개변수를 임계점 근처로 조정해야 하므로 강한 피드백 효과와 내재된 캘리브레이션 어려움을 시사한다.

ABSTRACT

We study, both analytically and numerically, an ARCH-like, multiscale model of volatility, which assumes that the volatility is governed by the observed past price changes on different time scales. With a power-law distribution of time horizons, we obtain a model that captures most stylized facts of financial time series: Student-like distribution of returns with a power-law tail, long-memory of the volatility, slow convergence of the distribution of returns towards the Gaussian distribution, multifractality and anomalous volatility relaxation after shocks. At variance with recent multifractal models that are strictly time reversal invariant, the model also reproduces the time assymmetry of financial time series: past large scale volatility influence future small scale volatility. In order to quantitatively reproduce all empirical observations, the parameters must be chosen such that our model is close to an instability, meaning that (a) the feedback effect is important and substantially increases the volatility, and (b) that the model is intrinsically difficult to calibrate because of the very long range nature of the correlations. By imposing the consistency of the model predictions with a large set of different empirical observations, a reasonable range of the parameters value can be determined. The model can easily be generalized to account for jumps, skewness and multiasset correlations.

연구 동기 및 목표

• 금융 시계열의 실증적 스타일리시티를 설명하는 통계적으로 타당한 다중 시간 스케일 변동성 모델을 개발하기.
• 표준 다중분포 모형과 같은 시간 반전 불가능한 모형과 모순되는 금융 데이터의 시간 비대칭성 문제를 해결하기.
• 관측된 변동성 역학과 수익률 분포를 재현하기 위해 모델의 매개변수가 불안정성에 가까이 조정되어야 한다는 점을 입증하기.
• 시장 마이크로스트럭처 내 피드백 메커니즘에 대해 타당한 에이전트 기반 해석을 제공함으로써 효율시장가설에 도전하기.
• 일관되고 실증적으로 제약된 프레임워크를 통해 리스크 통제 및 옵션 가격 설정에 실용적 응용 가능성을 제공하기.

제안 방법

• 모델는 여러 시간 스케일에서 과거 제곱 수익률의 거듭제곱 법칙 가중합으로 이루어진 인스턴트 변동성에 기반한 ARCH 유사 구조를 사용한다.
• 다양한 시장 참가자들이 서로 다른 시간 스케일을 가진다고 가정함으로써 변동성의 장거리 상관관계를 유도한다.
• 과거의 큰 움직임이 특히 짧은 시간 스케일에서 향후 변동성을 증가시키는 확률적 피드백 메커니즘을 도입한다.
• 수치적 및 해석적 방법을 통해 수익률 분포를 분석하였으며, 이는 지연에 따라 꼬리 지수가 변하는 슈타르드-탈리스 형태로 잘 근사된다.
• 교차 자산 피드백의 매트릭스 표현을 통해 점프, 비대칭성, 다자산 상관관계를 일반화한 모델을 구성한다.
• 다양한 실증 관측치(첨도, 자기상관, 충격 후 회복)와의 일관성을 요구함으로써 캘리브레이션을 제약한다.

실험 결과

연구 질문

• RQ1 다중 시간 스케일 피드백 메커니즘이 어떻게 금융 수익률의 뚜렷한 꼬리, 군집성, 장기 기억성을 재현할 수 있는가?
• RQ2 왜 모델의 매개변수가 실증 데이터와 일치시키기 위해 임계점 근처로 설정되어야 하는가? 이는 시장 안정성에 대해 어떤 함의를 갖는가?
• RQ3 모델은 관측된 금융 시계열의 시간 비대칭성을 어떻게 재현하는가? 특히 과거의 큰 변동성이 미래의 소규모 변동성에 영향을 주는가?
• RQ4 모델의 피드백 메커니즘은 타당한 에이전트 기반 거래 전략으로 해석될 수 있는가? 이는 효율시장가설을 어떻게 도전하는가?
• RQ5 모델의 장기 기억성은 옵션 가격 설정과 리스크 관리에 어떤 영향을 미치며, 특히 과거 의존성 측면에서 어떤 함의를 갖는가?

주요 결과

• 모델은 실증 데이터와 일치하는 지연에 따라 변화하는 尾 지수를 갖는 거듭제곱 법칙 꼬리 분포를 성공적으로 재현한다.
• 다중 시간 스케일 피드백 메커니즘을 통해 변동성 군집성과 변동성 자기상관의 장기 기억성이 자연스럽게 포괄된다.
• 충격 후 변동성의 비정상적 회복(오모리 법칙 유사 감쇠)이 관측된 바와 유사하게 재현된다.
• 시간 비대칭성이 재현된다: 과거의 큰 스케일 변동성이 미래의 소규모 변동성에 영향을 준다. 이는 시간 반전 가능 다중분포 모형에선 존재하지 않는 특성이다.
• 모델는 '이중으로 불안정성에 가까움(doubly close to instability)'임을 밝혀내었으며, 피드백 강도와 장거리 상관관계가 모두 임계 임계점 근처에 있어 민감성과 캘리브레이션 어려움을 설명한다.
• 첨도, 자기상관, 충격 후 회복 등 여러 관측치 간 실증 일관성이 유지되어, 모델의 복잡성에도 불구하고 합리적이고 제약된 매개변수 범위를 확보할 수 있다.