[논문 리뷰] Random matrix theory and robust covariance matrix estimation for financial data

Gabriel Frahm, Uwe Jaekel|ArXiv.org|2005. 03. 01.

Financial Risk and Volatility Modeling참고 문헌 20인용 수 12

한 줄 요약

이 논문은 높은 차원의 금융 데이터에서 공분산 행렬 추정을 위한 강건한 스펙트럼 추정기법을 제안한다. 이는 타일러의 M-추정기법을 체계적 비대칭성과 무거운 尾를 처리할 수 있도록 일반화된 타원분포로 확장하여 제안한다. 이 방법은 고유값 분포에 대한 마르첸코-파스트르 법칙의 타당성을 복원함으로써 신호-잡음 분리의 신뢰성을 높이고, 비정규, 무거운 尾 조건 하에서 포트폴리오 리스크 추정을 향상시킨다.

ABSTRACT

The traditional class of elliptical distributions is extended to allow for asymmetries. A completely robust dispersion matrix estimator (the `spectral estimator') for the new class of `generalized elliptical distributions' is presented. It is shown that the spectral estimator corresponds to an M-estimator proposed by Tyler (1983) in the context of elliptical distributions. Both the generalization of elliptical distributions and the development of a robust dispersion matrix estimator are motivated by the stylized facts of empirical finance. Random matrix theory is used for analyzing the linear dependence structure of high-dimensional data. It is shown that the Marcenko-Pastur law fails if the sample covariance matrix is considered as a random matrix in the context of elliptically distributed and heavy tailed data. But substituting the sample covariance matrix by the spectral estimator resolves the problem and the Marcenko-Pastur law remains valid.

연구 동기 및 목표

• 높은 차원, 비정규적 금융 데이터에서 표본 공분산 행렬의 한계를 해결하기 위해.
• 타원분포의 범주를 일반화된 타원분포로 확장하여 금융 수익률의 스타일리시드 팩트를 더 정확히 모델링하기 위해.
• 특히 리스크 관리 및 포트폴리오 최적화를 위해 비정규적, 무거운 尾 조건 하에서도 효과적인 분산 행렬 추정기법을 개발하기 위해.
• 표본 공분산 행렬을 스펙트럼 추정기로 대체함으로써, 무작위 행렬 이론에 적용된 마르첸코-파스트르 법칙이 금융 데이터에 대해 여전히 타당함을 복원하기 위해.
• 표본 공분산 행렬 대신 스펙트럼 추정기를 사용함으로써 진정한 신호 고유값을 식별하고 잡음은 걸러내는 방식으로 고차원 금융 데이터에서의 정확한 신호-잡음 분리 가능하게 하기 위해.

제안 방법

• 금융 수익률의 체계적 비대칭성과 꼬리 의존성 모델링을 위해 타원분포의 범주를 일반화된 타원분포로 확장한다.
• 타일러의 M-추정기법을 분산 행렬 추정의 스펙트럼 추정기로 채택하며, 타원분포 하에서 강건함이 입증된 바를 바탕으로 일반화된 타원분포로 확장한다.
• 무작위 행렬 이론(RMT)을 활용해 스펙트럼 추정기의 고유값 분포를 분석함으로써, 상관관계가 없는 일반화된 타원분포를 따르는 데이터에서 마르첸코-파스트르 법칙과 일관성을 확보한다.
• 표본 공분산 행렬 대신 스펙트럼 추정기를 사용함으로써, 마르첸코-파스트르 법칙의 밴드에서 벗어나는 가장 큰 고유값을 식별하고 제거함으로써 신호-잡음 분리를 수행한다.
• 고유값 히스토GRAM 분석과 마르첸코-파스트르 상한선과의 비교를 통해 유의미한 성분의 수를 확인함으로써 방법의 타당성을 검증한다.
• 고차원 데이터에서 신호(큰 고유값)와 잡음(작은, 집합적인 고유값)을 분리하기 위해 공분산 행렬의 스펙트럼 분해를 활용한다.

실험 결과

연구 질문

• RQ1 표본 공분산 행렬을 일반화된 타원분포를 따르는 금융 데이터에 적용할 경우 마르첸코-파스트르 법칙이 여전히 타당한가?
• RQ2 타일러의 M-추정기법을 일반화된 타원분포로 확장하여 체계적 비대칭성과 무거운 尾에 대한 강건성을 확보할 수 있는가?
• RQ3 표본 공분산 행렬에 비해 스펙트럼 추정기는 고차원 금융 데이터에서 신호-잡음 분리에 어떻게 향상되는가?
• RQ4 무거운 尾와 비대칭 분포는 금융 리스크 모델링에서 주성분 분석과 고유값 추정에 어떤 영향을 미치는가?
• RQ5 비정규적 데이터 하에서 주성분 분석에서 신호 성분을 과대평가하는 문제를 스펙트럼 추정기는 어느 정도 수정하는가?

주요 결과

• 표본 공분산 행렬을 일반화된 타원분포를 따르는 금융 데이터에 적용할 경우, 중량 있는 尾와 비대칭성으로 인해 마르첸코-파스트르 법칙이 실패한다.
• 스펙트럼 추정기(타일러의 M-추정기와 동일)는 상관관계가 없는 일반화된 타원분포를 따르는 데이터에 대해 마르첸코-파스트르 법칙의 타당성을 복원한다.
• 스펙트럼 추정기는 체계적 비대칭성과 이상치에 대해 강건하여, 추정에 모든 데이터 포인트를 활용할 수 있다.
• 신호-잡음 분리에서, d=500, n=1000, c=5, b=1, k=100 일 때 스펙트럼 추정기는 397개의 고유값을 잡음으로 정확히 식별한다(k̂=103) 반면, 표본 공분산 행렬은 신호 성분을 과대평가한다.
• 표본 공분산 행렬을 사용한 주성분 분석은 중량 있는 尾 데이터에서 큰 고유값의 기여도를 체계적으로 과대평가하는 경향이 있으나, 이는 스펙트럼 추정기를 통해 보정된다.
• 스펙트럼 추정기는 현실적인 분포가정 하에서 통계적 일관성을 확보함으로써 고차원 금융 데이터에서 신뢰할 수 있는 포트폴리오 리스크 최소화 및 차원 축소를 가능하게 한다.