[논문 리뷰] Time-Varying Gaussian-Cauchy Mixture Models for Financial Risk Management

Shuguang Zhang, Minjing Tao외 2명|arXiv (Cornell University)|2020. 02. 14.

Financial Risk and Volatility Modeling참고 문헌 16인용 수 4

한 줄 요약

이 논문은 시간에 따라 변화하는 가우시안-카우치 혼합 모델을 제안하여 비정상적인 수익률 분포와 동적인 시장 조건을 포착함으로써 금융 리스크 추정을 향상시킨다. 몬테카를로 기반 기대최대화(Monte Carlo EM) 알고리즘을 사용하여 구성 요소의 가중치를 시간에 따라 변화시켜, 결과적으로 금융 위기 기간 동안 카우치 성분의 가중치가 급격히 증가함을 확인하였으며, 이는 정적 모델보다 더 정확한 시장 리스크 지표를 제공한다.

ABSTRACT

There are various metrics for financial risk, such as value at risk (VaR), expected shortfall, expected/unexpected loss, etc. When estimating these metrics, it was very common to assume Gaussian distribution for the asset returns, which may underestimate the real risk of the market, especially during the financial crisis. In this paper, we propose a series of time-varying mixture models for risk analysis and management. These mixture models contain two components: one component with Gaussian distribution, and the other one with a fat-tailed Cauchy distribution. We allow the distribution parameters and component weights to change over time to increase the flexibility of the models. Monte Carlo Expectation-Maximization algorithm is utilized to estimate the parameters. To verify the good performance of our models, we conduct some simulation studies, and implement our models to the real stock market. Based on these studies, our models are appropriate under different economic conditions, and the component weights can capture the correct pattern of the market volatility.

연구 동기 및 목표

• 기존의 가우시안 기반 모델이 시장 위기 기간 동안 리스크를 과소평가하는 문제를 해결하기 위해.
• 가우시안 및 카우치 분포를 조합하여 비정상적인 첨도와 무거운 꼬리 수익률을 더 잘 포착할 수 있는 융통성 있는 시간에 따라 변화하는 혼합 모델을 개발하기 위해.
• 시간에 따라 변화하는 구성 요소 가중치를 시장 변동성의 지표로 삼아 리스크 예측 성능을 향상시키기 위해.
• 맥락적 경제 변수와 가중치의 시간적 상관관계를 통합하여 예측 능력을 향상시키기 위해.
• 시뮬레이션과 실세계 데이터 분석(1990–2015년 S&P 500 데이터)을 통해 모델을 검증하기 위해.

제안 방법

• 시간에 따라 동일한 구성 요소에서 시작하여 시간에 따라 변화하는 가중치, 외생 예측 변수, 마지막으로 가중치에 대한 AR(1) 오차 구조로 이어지는 네 단계 모델 계층을 제안한다.
• 위치, 척도, 혼합 가중치를 포함한 모수를 추정하기 위해 몬테카를로 기대최대화(Monte Carlo Expectation-Maximization, MCEM) 알고리즘을 사용한다.
• 외생 예측 변수(CPI, M1, 실업률 등)를 포함한 로지스틱 회귀 모델을 사용하여 시간에 따라 변화하는 혼합 가중치를 모델링한다.
• 가중치의 시간적 의존성을 포착하기 위해 로지스틱 모델에 자동회귀 오차 항을 적용한다.
• 이중 성분 혼합 모델을 가정하며, 하나는 가벼운 꼬리 분포를 가지는 가우시안, 다른 하나는 두꺼운 꼬리 분포를 가지는 카우치로, 각 시간 간격에서 모수를 추정한다.
• 시뮬레이션 연구와 실데이터 분석(일별 S&P 500 수익률)을 통해 모델 선택 및 검증을 수행한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 혼합 모델이 가우시안 및 카우치 성분을 포함하여 정적 가우시안 모델보다 금융 수익률 분포를 더 잘 포착할 수 있는가?
• RQ2 시간에 따라 변화하는 구성 요소 가중치는 특히 금융 위기 기간 동안 시장 변동성의 변화를 효과적으로 반영하는가?
• RQ3 맥락적 경제 변수는 카우치 성분이 극단적 수익률을 포착하는 비율의 변화를 예측할 수 있는가?
• RQ4 가중치에 시간적 상관관계를 통합하면 모델 적합도와 리스크 예측 정확도가 향상되는가?
• RQ5 기존의 혼합 모델과 비교할 때 제안된 모델은 모수 추정 및 리스크 지표 성능 측면에서 어떻게 다른가?

주요 결과

• 2008년 금융위기 기간 동안 카우치 성분의 시간에 따라 변화하는 가중치가 크게 증가하여 높은 시장 스트레스와 꼬리 리스크를 반영함을 확인하였다.
• 위기 기간 동안 카우치 분포의 추정 가중치가 거의 1.0에 도달하여 극단적 손실을 포착하는 데서 그 역할을 확인하였다.
• 외생 변수 모델에서 CPI, M1, 실업률 등 모든 예측 변수가 구성 요소 가중치의 변화를 설명하는 데 통계적으로 유의미하였다.
• 카우치 성분의 위치 파ameter는 음수(-0.014)였으며, 이는 악화된 경제 조건에서 손실을 포착한다는 것을 의미하며, 반면 가우시안 성분은 양수 평균(0.0012)을 가졌다.
• 고정된 위치 및 척도 파라미터를 가진 시간에 따라 변화하는 가중치를 가진 모델 2는 스케일 파rameter에 변화를 반영하는 대신 가중치에 변화를 반영함으로써 모델 1보다 더 뛰어난 성능을 보였다.
• 모델은 다양한 경제 제도에서 뛰어난 성능을 보였으며, 구성 요소 가중치가 시장 리스크 역학의 신뢰할 수 있는 지표로 기능함을 확인하였다.