[논문 리뷰] Statistical Estimation of Composite Risk Functionals and Risk Optimization Problems

Darinka Dentcheva, Spiridon Penev외 1명|arXiv (Cornell University)|2015. 04. 10.

Risk and Portfolio Optimization참고 문헌 36인용 수 2

한 줄 요약

이 논문은 금융 및 보험 분야에서 흔히 사용되는 확률측도의 비선형 기능인 복합 위험 기능을 추정하기 위한 통계적 프레임워크를 개발한다. 이는 이러한 추정기의 중심극한정리와 위험 최적화 문제에서 최적값의 점근 정규성을 증명함으로써, 일반적인 표본 조건 하에서 일관된 위험 측정법(예: AVaR 및 평균-분산편차)에 대한 신뢰구간과 신뢰할 수 있는 추론을 가능하게 한다.

ABSTRACT

We address the statistical estimation of composite functionals whichmay be nonlinear in the probability measure. Our study is motivated bythe need to estimate coherent measures of risk, which become increasinglypopular in finance, insurance, and other areas associated with optimization under uncertainty and risk. We establish central limit formulae forcomposite risk functionals. Furthermore, we discuss the asymptotic behavior of optimization problems whose objectives are composite risk functionals and we establish a central limit formula of their optimal valueswhen an estimator of the risk functional is used. While the mathematicalstructures accommodate commonly used coherent measures of risk, theyhave more general character, which may be of independent interest.

연구 동기 및 목표

• 확률측도에 대해 비선형인 복합 위험 기능의 통계적 추정, 특히 위험 최적화 의사결정 문제에 대한 도전에 대응한다.
• 기본 분포에 대해 비선형인 일관된 위험 측정법(예: AVaR 및 평균-분산편차)의 추정기의 점근 정규성을 확립한다.
• empirical 위험 추정기 사용 시 위험 최적화 문제에서 최적값의 점근적 행동을 분석한다.
• 위험 정량화에서 발생하는 무한차원 기능에 대해 델타 방법의 적용 범위를 확장한다. 특히 비정규 및 꼬리가 무거운 설정에서 유용하다.
• 위험 회피 최적화에서의 통계적 추론, 즉 신뢰구간과 수렴 속도에 대한 이론적 기반을 제공한다.

제안 방법

• empirical 측도의 비선형 기능으로 간주하는 복합 위험 기능의 점근 분포를 도출하기 위해 무한차원 델타 방법을 사용한다.
• 위험 기능을 통계적 기능과 위험 측정법의 복합함수로 모델링한다. 예를 들어, 평균-분산편차의 경우 ̺(X) = E[X] + κ(E[(X−E[X])+^p])^{1/p}로 표현된다.
• 일반적인 법칙 불변 일관된 위험 측정법을 AVaR 기능의 적분으로 표현하기 위해 Kusuoka 표현을 적용함으로써 결과의 일반화를 가능하게 한다.
• 약한 정규성 및 모멘트 조건 하에서 위험 기능 추정기의 중심극한정리를 유도하며, 이는 p ≥ 1인 p차 모멘트 적분 가능성 조건을 포함한다.
• 이중성과 볼록 해석을 활용하여 위험 기능 목표를 가진 최적화 문제를 다루며, 경험적 추정 하에서 최적값의 수렴을 증명한다.
• 정규분포 및 t-분포 데이터를 사용한 시뮬레이션 연구를 통해 꼬리의 무거움과 표본 크기가 다양할 때 추정기의 점근 정규성에 대한 검증을 수행한다.

실험 결과

연구 질문

• RQ1 확률측도에 대해 비선형인 복합 위험 기능을 어떻게 통계적으로 추정할 수 있는가? 특히 위험 최적화 의사결정 문제에서의 적용을 고려할 것.
• RQ2 empirical 표본에 기반한 일관된 위험 측정법(예: AVaR 및 평균-분산편차)의 추정기의 점근 분포는 무엇인가?
• RQ3 위험 기능이 데이터로부터 추정될 때, 위험 최적화 문제의 최적값은 점근적으로 어떻게 행동하는가?
• RQ4 꼬리가 매우 무거운 분포(예: 자유도가 낮은 t-분포) 조건 하에서 위험 추정기의 점근 정규성은 어느 정도 유지되는가?
• RQ5 표준 위험 측정법을 초월하는 일반 복합 기능으로 중심극한정리를 확장할 수 있는가? 이를 위해 필요한 정규성 조건은 무엇인가?

주요 결과

• 복합 위험 기능 추정기의 중심극한정리는 조건이 약간만 강화되고 모멘트 조건이 충족될 경우, 확률측도에 대해 비선형인 기능일지라도 성립한다.
• p = 2인 평균-분산편차 위험 측정법의 경우, 점근 분산은 기저 분포의 네 번째 모멘트에 의존하며, 이는 자유도 ν > 4인 t-분포에서는 유한하다.
• 기저 분포가 꼬리가 두꺼운 경우(예: 자유도 ν = 4인 t-분포), 네 번째 모멘트는 무한대이며, 이로 인해 위험 추정기의 정규 근사가 붕괴된다. 이는 시뮬레이션 결과로 확인되었다.
• 꼬리의 두께가 증가할수록 위험 추정기의 정규 근사 품질이 크게 악화되며, 정규 분포와 비교해도 유사한 정확도를 확보하기 위해 상당히 큰 표본 크기(예: n = 8000)가 필요로 한다.
• 자유도 ν = 60인 t-분포의 경우, n = 4000에서도 정규 근사가 상당히 정확하여 수렴 속도가 꼬리 행동에 민감함을 시사한다.
• 이 방법은 위험 측정법을 넘어서 최적화 문제에 응용 가능하며, 경험적 위험 추정기를 사용할 경우 최적값이 점근적으로 정규 분포로 수렴함을 보였다.