[논문 리뷰] Tests for the weights of the global minimum variance portfolio in a high-dimensional setting

Taras Bodnar, Solomiia Dmytriv외 2명|arXiv (Cornell University)|2017. 10. 26.

Random Matrices and Applications참고 문헌 52인용 수 30

한 줄 요약

이 논문은 전역 최소 분산 포트폴리오(GMVP)의 가중치에 대한 고차원 통계적 검정을 제안하며, 표본 추정과 수축 추정을 모두 사용한다. 귀무가설과 대립가설 하에서 점점 증가하는 차원 수에 따른 점근적 분포를 유도하고, 시뮬레이션을 통해 수축 기반 검정이 기존 방법보다 뛰어난 성능을 보임을 입증한다. 특히 차원 수 대 표본 크기 비율이 1에 가까울 때, 특이 공분산 행렬을 가진 고차원 환경에서 높은 검정력과 강건성을 제공한다.

ABSTRACT

In this study, we construct two tests for the weights of the global minimum variance portfolio (GMVP) in a high-dimensional setting, namely, when the number of assets $p$ depends on the sample size $n$ such that $\frac{p}{n} o c \in (0,1)$ as $n$ tends to infinity. In the case of a singular covariance matrix with rank equal to $q$ we assume that $q/n o ilde{c}\in(0, 1)$ as $n o\infty$. The considered tests are based on the sample estimator and on the shrinkage estimator of the GMVP weights. We derive the asymptotic distributions of the test statistics under the null and alternative hypotheses. Moreover, we provide a simulation study where the power functions and the receiver operating characteristic curves of the proposed tests are compared with other existing approaches. We observe that the test based on the shrinkage estimator performs well even for values of $c$ close to one.

연구 동기 및 목표

• 자산 수 p가 표본 크기 n과 비례적으로 증가하는 고차원 설정에서 GMVP 가중치에 대한 통계적 검정을 개발한다 (p/n → c ∈ (0,1)).
• p와 n이 동시에 증가할 때 고차원성으로 인해 기존 점근적 방법의 성능이 떨어지는 문제를 다루며, 특히 표본 추정이 고차원에서 성능이 열 劣하다는 점을 해결한다.
• 포트폴리오 가중치에 대한 수축 추정의 새로운 응용을 통계적 검정 이론에 도입하여 추정 및 추론의 강건성을 향상시킨다.
• 공분산 행렬이 특이행렬인 경우로 확장하여, 질서수 q가 표본 크기 n과 비례적으로 증가하는 경우 (q/n → c̃ ∈ (0,1))에 대한 검정 절차를 제시한다.
• 다양한 고차원 시나리오에서 제안된 검정의 경험적 성능을 검증하기 위해 검정력 함수와 ROC 곡선을 사용하여 기존 접근법과 비교한다.

제안 방법

• 고차원 점근적 이론을 사용하여 GMVP 가중치에 대한 검정 통계량의 점근적 분포를 귀무가설과 대립가설 하에서 유도한다.
• 기존의 Bodnar와 Schmid(2008)의 연구를 고차원 설정으로 확장하여 GMVP 가중치의 표본 추정 기반 검정을 제안한다.
• Bodnar 등(2018)의 최적 수축 접근법을 활용하여 GMVP 가중치의 수축 추정 기반 신규 검정을 도입하여 추정 위험을 감소시킨다.
• 특이 공분산 행렬을 고려하기 위해 귀무가설과 대립가설 하에서 새로운 검정 통계량과 그 점근적 분포를 유도한다.
• 임의 행렬 이론을 적용하여 고차원 설정에서 고유값과 고유벡터의 행동을 분석하고, 일致한 점근적 근사화를 가능하게 한다.
• 시뮬레이션 연구를 통해 다양한 c 및 c̃ 값에서 제안된 검정의 경험적 검정력과 ROC 곡선 성능을 평가하고 비교한다.

실험 결과

연구 질문

• RQ1 고차원 점근적 조건 (p/n → c ∈ (0,1)) 하에서 GMVP 가중치에 대한 검정 통계량의 점근적 분포는 어떻게 행동하는가?
• RQ2 GMVP 가중치에 수축 추정을 사용할 경우, 기존 표본 추정 대비 더 높은 검정력을 가진 검정이 되는가?
• RQ3 공분산 행렬이 특이행렬 (질서수 q < p) 이고 q/n → c̃ ∈ (0,1) 인 경우 제안된 검정은 어떻게 성능을 보이는가?
• RQ4 기존 검정들(예: Glombeck, 2014)과 비교하여 수축 기반 검정의 경험적 검정력과 ROC 곡선 특성은 어떻게 되는가?
• RQ5 중간 크기의 표본 크기 (예: n = 500) 에서 맬라노비스 거리 근사가 진정한 점근적 검정의 검정력을 얼마나 정확하게 반영하는가?

주요 결과

• 수축 추정 기반 검정은 표본 기반 검정 및 기타 기존 방법보다 경험적 검정력이 균일하게 높으며, 특히 c가 1에 가까울 때 두드러진다.
• 수축 기반 검정은 c ≈ 1 인 고차원 점근적 조건에서도 뛰어난 성능을 유지하며, 이는 전통적 추정이 표본 오차 증가로 인해 실패하는 상황에서도 유의미하다.
• 특이 공분산 행렬의 경우, 제안된 수축 추정 기반 검정은 모든 다른 방법보다 검정력과 ROC 곡선 성능 측면에서 뛰어나며, 유일한 예외는 유의수준이 과도하게 상승하는 희귀한 경우뿐이다.
• Bonferroni 보정을 사용한 Bodnar, Mazur, 및 Podgorski(2016)의 검정은 보수적인 임계값으로 인해 중간에서 큰 거짓 양성 비율에서 ROC 성능이 열 劣하다.
• 매달라노비스 거리 기반 점근적 검정은 중간 표본 크기 (n = 500) 와 p 최대 450까지도 진정한 검정력 함수를 잘 근사함을 시사하여 실용적 유용성을 가진다.
• 제안된 수축 기반 검정은 공분산 행렬의 대각선 성분에 대한 변화(예: 20% 및 50% 변화)에도 강건하여 다양한 시나리오에서 높은 검정력을 유지한다.