[논문 리뷰] On the Past, Present, and Future of the Diebold-Yilmaz Approach to Dynamic Network Connectedness

Francis X. Diebold, Kamil Yılmaz|arXiv (Cornell University)|2022. 11. 08.

Complex Network Analysis Techniques인용 수 11

한 줄 요약

이 논문은 시간에 따라 변화하는 벡터 자기회귀 모형(VAR)에서 유도된 시간에 따라 변화하는 분산 분해를 사용하여 금융 자산 간의 동적이고 방향성 있는 전이를 측정하는 Diebold-Yilmaz 연결성 프레임워크의 발전을 검토한다. 주요 기여는 체계적 위험과 전염을 통합적이고 네트워크 기반의 방식으로 시각화하고 정량화한 것으로, 금융 및 중앙은행 분야에서 체계적 위험 평가에 널리 채택되고 있다.

ABSTRACT

We offer retrospective and prospective assessments of the Diebold-Yilmaz connectedness research program, combined with personal recollections of its development. Its centerpiece in many respects is Diebold and Yilmaz (2014), around which our discussion is organized.

연구 동기 및 목표

• Diebold-Yilmaz 연결성 연구 프로그램의 발전과 영향을 후향적으로 평가하여 지적 기원과 방법론적 진화를 추적한다.
• 일관되고 경험적으로 기반을 두며 비구조적 방식으로 재무 전염과 전이를 측정하는 장기적인 과제를 해결한다.
• 프레임워크의 미래에 대한 전망을 제시하며, 다층 네트워크 및 역방향 네트워크-에서-VAR 모델링과 같은 확장 가능성을 포함한다.
• 모호한 용어인 '전염'에서 중립적이고 측정 가능한 용어인 '연결성'으로의 개념적 전환을 명확히 하여 정의 논란을 피한다.
• 다양한 금융 시스템에서 체계적 위험 모니터링을 위한 강력하고 확장 가능한 도구로 분산 분해 기반의 네트워크 분석을 널리 활용하도록 촉진한다.

제안 방법

• 시간에 따라 변화하는 VAR 모형에서 유도된 일반화된 분산 분해를 사용하여, 한 변수의 충격이 다른 변수의 h단계 전망 오차 분산 기여도를 정량화한다.
• 방향성 연결성 측정법을 도입: 'j에서 i로'는 i의 전망 오차 분산에 기여하는 j의 충격 기여도 비율로 정의된다.
• 순서 의존성 문제를 피하기 위해 Pesaran과 Shin(1998)의 일반화된 식별 기법을 활용하여 일관된 방향성 전이 추정이 가능해진다.
• 가중치가 부여된, 방향성의, 시간에 따라 변화하는 네트워크 그래프를 통해 연결성을 시각화하며, 인접 행렬이 각 수평선에서의 쌍별 연결성을 나타낸다.
• 전체 연결성 지수는 모든 방향성 흐름을 종합하여 전체 시스템의 상호연결성을 측정한다.
• 이 방법은 다층 네트워크(Barigozzi 등, 2022) 및 역방향 모델링(Mlikota, 2023)으로 확장되었으며, 네트워크 구조가 VAR 모델 정규화에 기여한다.

Figure 1: Figure 1: Illustrative Network “Spring Graph”

실험 결과

연구 질문

• RQ1 구조적 가정에 의존하지 않고 변수 간에 일관되게 재무 시장 전이와 체계적 위험을 측정할 수 있는 방법은 무엇인가?
• RQ2 1997년 아시아 전염과 같은 주요 금융 위기 기간 동안 연결성의 경험적 행동 양상은 어떠한가?
• RQ3 전통적인 Cholesky 기반 식별법에 비해 일반화된 분산 분해가 동적 연결성을 측정하는 데 어떻게 향상되는가?
• RQ4 네트워크 이론을 VAR 기반 경제학에 체계적으로 통합하여 금융 시스템의 상호연결성을 연구하는 방법은 무엇인가?
• RQ5 다층 및 역방향 모델링 프레임워크에서 연결성 분석의 미래 전초는 무엇인가?

주요 결과

• Diebold와 Yilmaz(2014)에 의해 체계화된 Diebold-Yilmaz 프레임워크는 분산 분해를 활용한 강력하고 비구조적인 동적·방향성 연결성 측정 방법을 확립했다.
• 전체 연결성 지수는 1997년 아시아 금융위기 및 2008년 글로벌 금융위기 기간 동안 시스템 전반의 전이가 크게 증가했음을 드러냈다.
• 일반화된 식별 기법의 사용으로 Cholesky 분해에서 기인하는 변수 순서에 대한 민감도 문제가 제거되어 더 신뢰할 수 있는 방향성 전이 추정이 가능해졌다.
• 이 프레임워크는 글로벌 은행 시스템과 같은 고차원 설정으로도 성공적으로 확장되었으며, 중앙은행 및 금융 규제 기관의 체계적 위험 분석의 핵심 요소가 되었다.
• 이 방법은 국제통화기금(IMF)의 글로벌 금융안정보고서 및 유럽중앙은행(ECB)의 금융안정리뷰와 같은 정책 보고서에서도 널리 채택되었다.
• 최근의 확장 사례로는 다층 네트워크 모델링(Barigozzi 등, 2022)과 역방향 모델링(Mlikota, 2023)이 있으며, 여기서 네트워크 구조가 VAR 모델 추정에 영향을 주어 방법의 이론적·경험적 적용 범위를 넓혔다.