[論文レビュー] Growing simplified vine copula trees: improving Di{\ss}mann's algorithm

Daniel Kraus, Claudia Czado|arXiv (Cornell University)|Mar 15, 2017

Financial Risk and Volatility Modeling参考文献 22被引用数 5

ひとこと要約

本稿では、ビンコプูลラ構造選択のための2つの改善手法を提案する。これらの手法は、簡素化仮説の違反を最小限に抑えることを目的としており、ビンコプールモデルにおける重要な識別可能性条件である。構造選択プロセスに定数条件付き相関のための統計的検定を組み込むことで、元の構造に多くの違反ペアコプールを含む場合でも、Dißmannのアルゴリズムに比べて著しく優れたモデル適合度を達成する。

ABSTRACT

Vine copulas are pair-copula constructions enabling multivariate dependence modeling in terms of bivariate building blocks. One of the main tasks of fitting a vine copula is the selection of a suitable tree structure. For this the prevalent method is a heuristic called Di{\\ss}mann's algorithm. It sequentially constructs the vine's trees by maximizing dependence at each tree level, where dependence is measured in terms of absolute Kendall's $\ au$. However, the algorithm disregards any implications of the tree structure on the simplifying assumption that is usually made for vine copulas to keep inference tractable. We develop two new algorithms that select tree structures focused on producing simplified vine copulas for which the simplifying assumption is violated as little as possible. For this we make use of a recently developed statistical test of the simplifying assumption. In a simulation study we show that our proposed methods outperform the benchmark given by Di{\\ss}mann's algorithm by a great margin. Several real data applications emphasize their practical relevance.

研究の動機と目的

• Dißmannのアルゴリズムが木構造選択の過程で簡素化仮説の妥当性を無視するという制限を解消すること。
• 条件付きペアコプールにおける簡素化仮説の違反度を明示的に考慮する構造選択手法の開発。
• 簡素化仮説の違反が最小限となるビンコプール木を選択することで、モデル適合度の向上。
• 計算時間の増加を犠牲にしても、モデルの正確性を高めるDißmannのアルゴリズムの実用的代替案の提供。
• Dißmannでフィッティングされたモデルに検出された簡素化仮説の違反数に基づき、実務家が新しいアルゴリズムによる再フィッティングの妥当性を判断できるようにすること。

提案手法

• 各ペアコプールにおける簡素化仮説の妥当性を評価するため、定数条件付き相関のための統計的検定（KurzとSpanhel, 2017）を用いる。
• アルゴリズム1の提案：最初の木はDißmannのヒューリスティック（絶対値が最大の Kendall’s τ を最大化）で選択し、その後の木では簡素化仮説検定のp値を重みとして使用する。
• アルゴリズム2の提案：簡素化仮説検定のp値を重みとして用い、C-ビン構造をフィッティングする。p値に柔軟な変換関数を適用する。
• 依存度（Kendall’s τ）と簡素化仮説のp値の影響をバランスさせるための重み係数αを導入する。
• 最適化プロセスにおける数値的安定性と性能を向上させるために、p値に変換関数r(p)を適用する。
• シミュレーションおよび実データにおける性能比較のため、AICをモデル適合度の基準として用いる。

実験結果

リサーチクエスチョン

• RQ1 簡素化仮説の違反を明示的に考慮することで、ビンコプールの構造選択を改善できるか？
• RQ2 定数条件付き相関の検定からのp値を組み込むことで、依存度のみに依存するDißmannのアプローチと比較して、モデル適合度にどのような影響を与えるか？
• RQ3 AICおよびモデルの適切さの観点で、新しいアルゴリズムがDißmannのアルゴリズムを著しく上回る状況はどのようなものか？
• RQ4 依存度と簡素化仮説のp値の間で、最適な重み付け戦略は何か？
• RQ5 実務家は、どのようにしてDißmannでフィッティングされたモデルを、新しいアルゴリズムで選択されたモデルに置き換えるべきかを判断できるか？

主な発見

• 提案されたアルゴリズムは、テストされた次元およびサンプルサイズのすべてにおいて、AICで測定したモデル適合度においてDißmannのアルゴリズムを著しく上回る。
• d=30およびn=3000のシミュレーションでは、アルゴリズム2はDißmannのアルゴリズムと比較して91.9％のケースで同等または優れたAIC性能を達成した。
• ウランデータセットにおいて、新しいアルゴリズムはコバルトを条件変数とする簡素化されたビン構造を同定し、Dißmannの元の構造よりも優れたモデル適合度を提供した。
• β(d−1)(d−2)/2個以上のペアコプール（例：全ペアの5％）が簡素化仮説検定で棄却された場合、新しいアルゴリズムは一貫して優れたモデル適合度を提供した。
• p値変換関数r(p)の選択が性能に顕著な影響を与え、ランクベースの変換が最も優れた結果（d=3のとき91.1％が同等または優れたAIC）をもたらした。
• シミュレーションスタディでは、独立性検定を用いた場合、d=10では86.1％、d=30では91.9％のケースでアルゴリズム2がDißmannのアルゴリズムを上回った。これは、次元にわたる強いロバストネスを示している。