[논문 리뷰] Volatility made observable at last

Michel Fliess, Cédric Join외 1명|arXiv (Cornell University)|2011. 02. 03.

Mathematical and Theoretical Analysis참고 문헌 25인용 수 7

한 줄 요약

이 논문은 비표준 해석학과 카르티에-페린 정리를 사용하여 재무 변동성에 대한 수학적으로 엄밀하고 모델에 의존하지 않는 정의를 제안한다. 이를 통해 신호 처리 기법을 활용해 변동성, 수익률, 베타, 샤프 및 트라이너 비율을 정밀하게 추정할 수 있으며, 기존의 ARCH 모델보다 뛰어난 정확도를 보이는 계산 가능한 예측을 가능하게 한다. 이는 정량 금융 분야에서 변동성에 대한 새로운 관측 가능한 프레임워크를 제공한다.

ABSTRACT

The Cartier-Perrin theorem, which was published in 1995 and is expressed in the language of nonstandard analysis, permits, for the first time perhaps, a clear-cut mathematical definition of the volatility of a financial asset. It yields as a byproduct a new understanding of the means of returns, of the beta coefficient, and of the Sharpe and Treynor ratios. New estimation techniques from automatic control and signal processing, which were already successfully applied in quantitative finance, lead to several computer experiments with some quite convincing forecasts.

연구 동기 및 목표

• 재무 변동성은 널리 사용되지만 직접 관측할 수 없는 바람에 오랫동안 애매하게 여겨져 온 정의의 문제를 해결하기 위해.
• 비표준 해석학과 카르티에-페린 정리를 사용하여 변동성에 대한 정확하고 수학적인 기초를 제공하기 위해.
• 자동 제어 및 신호 처리 분야의 계산 효율적인 추정 기법을 개발하여 변동성 및 관련 재무 지표를 추정하기 위해.
• 샤프 비율 및 트라이너 비율과 같은 성과 측정 지표의 신뢰성을 높이기 위해 평균 기반의 관측 가능한 정의에 기반을 두기 위해.
• 파라미터 모델인 ARCH에 의존하지 않고 수치 미분 및 노이즈 제거 기법을 사용하여 정확한 변동성 예측을 가능하게 하기 위해.

제안 방법

• 비표준 해석학을 활용해 유한소 샘플링을 통해 재무 시계열을 부드러운 평균 성분과 급격히 변동하는 성분으로 분해한다.
• 시간 창 내에서 로그 수익률의 두 번째 모멘트와 평균의 제곱 차이의 제곱근으로 수익률의 분산과 변동성을 정의한다.
• S-적분 가능성과 거의 연속성을 사용하여 분해 및 추정 과정의 수학적 엄밀성을 확보한다.
• 고주기 데이터에서 평균 및 그 도함수를 추정하기 위해 신호 처리 기법의 수치 미분 및 노이즈 제거 기법을 활용한다.
• 자산 수익률과 시장 수익률 간의 공분산 대 분산 비율로 베타 계수를 계산하기 위해, 양자 모두를 평균을 기반으로 정의한다.
• 시간에 따라 변화하는 관측 가능한 평균을 사용하여 샤프 비율과 트라이너 비율을 평균 수익률 대 변동성의 비율로 재정의한다.

실험 결과

연구 질문

• RQ1 스토케스틱 모델이나 가정에 의존하지 않고도 변동성을 수학적으로 엄밀하고 관측 가능한 방식으로 정의할 수 있는가?
• RQ2 수익률의 평균을 일관되게 추정하면 베타, 샤프, 트라이너 비율의 정의를 어떻게 향상시킬 수 있는가?
• RQ3 신호 처리 기법이 기존의 ARCH 유형 모델보다 더 정확하고 신뢰할 수 있는 변동성 예측을 가능하게 할 수 있는가?
• RQ4 수익률에 비상수 평균 성분이 존재할 경우 기존 성과 지표의 정확도에 어떤 영향을 미치는가?
• RQ5 제안된 방법이 실제 재무 시계열에서 기존 방법보다 더 효과적으로 변동성 패턴을 탐지하고 예측할 수 있는가?

주요 결과

• 논문은 비표준 해석학을 사용하여 모델에 의존하지 않는 수학적으로 엄밀한 변동성 정의를 수립하였으며, 카르티에-페린 정리를 통해 직접 관측 가능하다.
• 변동성은 정규화된 로그 수익률의 두 번째 모멘트와 평균의 제곱 차이의 제곱근으로 정의되며, 평균은 르베그 적분 가능하고 부드럽다.
• 저자들이 IBM, 저스터먼, 코카콜라 데이터를 대상으로 한 실험에서, 5일 및 20일 예측 기간 동안 기존의 ARCH 모델보다 뛰어난 정확도를 보이는 매우 정확한 변동성 예측을 생성한다.
• 샤프 비율은 시간에 따라 변화하는 평균 수익률 대 시간에 따라 변화하는 변동성의 비율로 재정의되어 더 동적이고 정확한 성과 지표가 된다.
• 베타 계수는 평균 기반의 공분산과 분산을 사용하여 재정의되어 기존 재무 모델에서 흔히 제기되는 전통적 베타 추정의 비판을 피한다.
• 이 방법은 수익률과 변동성의 추세를 성공적으로 포착하며, 고시장 노이즈 기간 동안에도 안정적이고 명확한 추세를 보여주는 시각화 결과를 제공한다.