[논문 리뷰] Selecting and estimating regular vine copulae and application to financial returns

Jeffrey Dissmann, Eike Christian Brechmann외 2명|arXiv (Cornell University)|2012. 02. 09.

Financial Risk and Volatility Modeling참고 문헌 42인용 수 27

한 줄 요약

이 논문은 재무 데이터에서 유연하고 고차원적인 의존 구조 모델링을 가능하게 하는, 새로운 자동 모델 선택 및 추정 프레임워크를 제안한다. 그래프 이론적 방법과 R-나무 행렬을 통한 효율적 밀도 평가를 활용하여, 16차원 재무 데이터에서 복잡하고 비대칭적인 꼬리 의존성의 정확하고 해석 가능한 모델링을 가능하게 한다. 이는 위기 시기의 리스크 역학을 포착하는 데 있어 전통적인 가우시안 및 타원형 복소함수보다 뛰어난 성능을 보인다.

ABSTRACT

Regular vine distributions which constitute a flexible class of multivariate dependence models are discussed. Since multivariate copulae constructed through pair-copula decompositions were introduced to the statistical community, interest in these models has been growing steadily and they are finding successful applications in various fields. Research so far has however been concentrating on so-called canonical and D-vine copulae, which are more restrictive cases of regular vine copulae. It is shown how to evaluate the density of arbitrary regular vine specifications. This opens the vine copula methodology to the flexible modeling of complex dependencies even in larger dimensions. In this regard, a new automated model selection and estimation technique based on graph theoretical considerations is presented. This comprehensive search strategy is evaluated in a large simulation study and applied to a 16-dimensional financial data set of international equity, fixed income and commodity indices which were observed over the last decade, in particular during the recent financial crisis. The analysis provides economically well interpretable results and interesting insights into the dependence structure among these indices.

연구 동기 및 목표

• 기존의 다변량 복소함수, 예를 들어 가우시안 및 아르키메데스 가족의 제한점을 해결하기 위해, 재무 데이터에서 복잡하고 비대칭적인 꼬리 의존성을 포착하지 못하는 문제를 해결한다.
• 제약이 있는 C-나무 및 D-나무 구조를 초월하여 임의의 정규 빈에까지 적용 가능한 정규 빈 복소함수의 적용 범위를 넓힌다.
• 고차원 환경에서 효과적이고 자동화된 모델 선택 및 추정 기법을 그래프 이론적 원리에 기반해 개발한다.
• R-나무 행렬 표현을 사용하여 임의의 정규 빈 복소함수의 공동 밀도를 계산 가능한 방법으로 평가하는 기법을 제공한다.
• 최근 금융 위기 기간 동안 주식, 채권 및 상품 인덱스를 포함하는 실제 16차원 재무 데이터셋에 대해 본 방법의 효과성을 입증한다.

제안 방법

• 논문은 모든 조건부 의존성 구조를 인코딩하는 정규 빈의 행렬 기반 표현 방식(즉, R-나무 행렬)을 도입하여 공동 밀도의 체계적 기술을 가능하게 한다.
• R-나무 밀도에 필요한 조건부 분포 함수를 계산하는 데 새로운 알고리즘을 제안하여, 적절한 조건부 순서를 결정하는 과제를 해결한다.
• 이 방법은 두 개의 보조 행렬을 사용한다: 하나는 복소함수 유형(예: 클레이튼, 군벨, t-복소함수)을 저장하고, 다른 하나는 복소함수 매개변수를 저장하여 완전한 매개변수 지정을 가능하게 한다.
• 모델 선택은 거리 조건 및 최소 스패닝 트리 유사 구조를 포함한 그래프 이론 기반 기준에 기반하여 최적의 나무 구조를 식별한다.
• 이 방법은 순차 최적화를 사용하는 최대우도 추정을 활용하며, 나무 구조를 기반으로 효율적인 매개변수 추정을 유도한다.
• 본 방법은 대규모 시뮬레이션 연구를 통해 검증되었고, 2008년 위기 기간을 다루는 16차원 재무 데이터셋에 적용되었다.

실험 결과

연구 질문

• RQ1 C-나무 및 D-나무 제약을 초월하여 고차원 다변량 의존성 모델링을 위한 정규 빈 복소함수를 체계적으로 선택하고 추정하는 방법은 무엇인가?
• RQ2 특히 조건부 분포 함수 측면에서, 임의의 정규 빈 복소함수의 공동 밀도를 효율적이고 자동화된 방식으로 평가하는 방법은 무엇인가?
• RQ3 정규 빈 복소함수는 표준 복소함수 가족(예: 가우시안, t-복소함수)과 비교해 위기 기간 동안 꼬리 의존성과 리스크 역학을 얼마나 잘 포착하는가?
• RQ4 그래프 이론에 기반한 제안된 모델 선택 프레임워크는 고차원 환경에서 가장 적절한 나무 구조를 효과적으로 식별할 수 있는가?
• RQ5 유연하고 고차원적인 정규 빈 복소함수를 사용할 때 국제 재무 인덱스의 의존성 구조에 대한 통찰은 무엇인가?

주요 결과

• 제안된 자동 모델 선택 및 추정 기법은 그래프 이론 기반 기준을 활용하여 고차원 환경에서 최적의 정규 빈 구조를 성공적으로 식별한다.
• 조건부 분포 함수를 계산하는 데 새로운 알고리즘을 도입함으로써, 임의의 정규 빈 복소함수의 공동 밀도를 정확하고 효율적으로 평가할 수 있다.
• 16차원 재무 데이터셋에서 정규 빈 복소함수 모델은 특히 2008년 금융 위기 기간 동안 뚜렷한 비대칭 꼬리 의존성을 포착하였으며, 이는 기존의 표준 복소함수들이 표현하지 못한 바이다.
• 분석 결과, 주식, 채권 및 상품 인덱스 간에 경제적으로 해석 가능한 의존 패턴이 드러났으며, 이는 시장 위기 기간 동안의 공동 움직임 증가를 보여주었다.
• 시뮬레이션 연구를 통해 제안된 방법의 강건성과 정확성이 확인되었으며, 특히 비타원형 의존성 구조를 잘 포착하는 데 유의미한 성능을 보였다.
• 결과적으로 정규 빈 복소함수는 특히 극단적인 시장 조건 하에서 VaR 추정에 있어 가우시안 및 t-복소함수보다 열등한 대안을 제공한다.