[논문 리뷰] The art of fitting financial time series with Levy stable distributions

Enrico Scalas, Kyungsik Kim|RePEc: Research Papers in Economics|2006. 08. 23.

Complex Systems and Time Series Analysis참고 문헌 22인용 수 11

한 줄 요약

이 논문은 재무 로그 수익률 시계열을 레비 $\alpha$-스테이블 분포에 적합시키기 위한 종합적인 절차를 제시한다. 다양한 추정 방법과 적합도 검정을 적용하여 분석을 수행하였다. 결과적으로 $\alpha$-스테이블 분포는 MIB30 및 DJIA 지수에 대해 합리적인 적합도를 보였으며, 각각 $\alpha \approx 1.72$ 및 $1.81$로 추정되었다. 콜모고로프-스미르노프 검정과 $\chi^2$ 검정은 DJIA 데이터에 대해 더 우수한 적합도를 나타내었지만, 일부 꼬리 부분은 과소평가되는 경향이 있었다.

ABSTRACT

This paper illustrates a procedure for fitting financial data with $α$-stable distributions. After using all the available methods to evaluate the distribution parameters, one can qualitatively select the best estimate and run some goodness-of-fit tests on this estimate, in order to quantitatively assess its quality. It turns out that, for the two investigated data sets (MIB30 and DJIA from 2000 to present), an $α$-stable fit of log-returns is reasonably good.

연구 동기 및 목표

• 재무 시계열을 $\alpha$-스테이블 분포에 적합시키기 위한 강력하고 다중 방법 기반 절차를 개발한다.
• 주요 주식 지수의 로그 수익률을 모델링하는 데 있어 $\alpha$-스테이블 분포의 실증적 타당성을 평가한다.
• 다양한 매개수 추정 기법과 적합도 검정 방법의 성능을 비교한다.
• $\alpha$-스테이블 분포가 금융 수익률의 뚜렷한 꼬리 행동을 얼마나 잘 포괄하는지 평가한다.

제안 방법

• Nolan의 stable.exe 소프트웨어를 사용하여 $\alpha$-스테이블 분포의 네 개 매개수 ($\alpha$, $\beta$, $\gamma$, $\delta$)를 $S1$ 매개수화 방식으로 추정한다.
• 시뮬레이션 및 테스트를 지원하기 위해 챔버스-몰스-슈타크 알고리즘을 활용하여 레비 $\alpha$-스테이블 변동성을 생성한다.
• 정확성과 강건성 면에서 뛰어나므로 표본 특성함수(SCF) 방법을 주된 추정 기법으로 사용한다.
• 등간격 분할과 기대 빈도 집계(예산 빈도 $E_i < 5$일 경우)를 적용한 콜모고로프-스미르노프(KS) 검정과 $\chi^2$ 검정을 통해 적합도를 평가한다.
• $S1$ 매개수화 방식(사모로니츠키-타쿠)을 사용하고, 수치 계산을 위해 내부적으로 stable.exe에서 사용하는 $S0$ 매개수화 방식으로 변환한다.
• 실제 누적분포함수(CDF)와 확률밀도함수(PDF)를 이론적 적합 결과와 비교하여 모델 성능을 시각적·정량적으로 평가한다.

실험 결과

연구 질문

• RQ1 레비 $\alpha$-스테이블 분포는 실증적인 재무 로그 수익률 데이터에 합리적인 적합도를 제공할 수 있는가?
• RQ2 재무 시계열에서 $\alpha$-스테이블 분포에 대한 가장 정확하고 신뢰할 수 있는 적합도를 제공하는 매개수 추정 기법은 무엇인가?
• RQ3 표준 적합도 검정(KS 및 $\chi^2$)은 재무 수익률에 대한 $\alpha$-스테이블 모델의 적합도 평가에 얼마나 잘 작동하는가?
• RQ4 $\alpha$-스테이블 모델은 금융 수익률 분포의 꼬리를 얼마나 과소평가하거나 과대평가하는가?

주요 결과

• 표본 특성함수(SCF) 방법이 MIB30 및 DJIA 로그 수익률에 대해 다른 추정 기법보다 가장 우수한 매개수 추정을 제공하였다.
• 꼬리 지수 $\alpha$는 MIB30에 대해 1.72, DJIA에 대해 1.81로 추정되었으며, 이는 이전 연구와 일치하며 두꺼운 꼬리 행동을 시사한다.
• 콜모고로프-스미르노프 검정은 MIB30의 로그 수익률이 $\alpha$-스테이블 분포를 따르지 않는다는 귀무가설을 기각하였으며($D = 0.0387 > d = 0.0334$), 반면 DJIA의 경우 기각하지 않았다($D = 0.0232 < d = 0.0330$).
• $\chi^2$ 검정 결과 MIB30의 경우 $\bar{\chi}^2 = 91.5$로 자유도 10에서 유의미한 적합도가 없음(p-value = 0)을 나타내었고, DJIA의 경우 $\bar{\chi}^2 = 26.8$로 자유도 11에서 p-value가 0.005로 약간은 수용 가능한 적합도를 보였다.
• 실제 CDF 및 PDF와 이론적 적합 결과의 시각적 비교에서 $\alpha$-스테이블 모델은 두 지수 모두에서 수익률 분포의 꼬리를 과소평가하는 경향을 보였다.
• 적합도 검정에 일부 한계가 있음에도 불구하고, 본 연구는 $\alpha$-스테이블 분포가 재무 로그 수익률에 대해 합리적으로 좋은 적합도를 제공하며, 특히 DJIA 데이터에 대해 뛰어난 성능을 보임을 결론으로 내렸다.