[논문 리뷰] Multivariate Count Autoregression

Paul Doukhan, Konstantinos Fokianos외 2명|arXiv (Cornell University)|2017. 04. 07.

Financial Risk and Volatility Modeling참고 문헌 42인용 수 4

한 줄 요약

이 논문은 포아송 모수를 가진 다변량 카운트 시간 시리즈를 위한 새로운 코풀라 기반 프레임워크를 제안한다. 이는 이산 분포의 복잡성을 피하기 위해 잠재적인 연속 변수를 통해 의존성을 모델링한다. 선형 및 로그선형 모델에 대해 에르고딕성과 정적성을 확립하고, 준우도 추정을 통해 일致한 추정량을 도출하며, 시뮬레이션과 실제 데이터 분석을 통해 코풀라 모수 추정의 정확성을 입증한다. 주식 거래 건수 분석에서 클레이튼 코풀라가 선호된다.

ABSTRACT

We are studying the problems of modeling and inference for multivariate count time series data with Poisson marginals. The focus is on linear and log-linear models. For studying the properties of such processes we develop a novel conceptual framework which is based on copulas. However, our approach does not impose the copula on a vector of counts; instead the joint distribution is determined by imposing a copula function on a vector of associated continuous random variables. This specific construction avoids conceptual difficulties resulting from the joint distribution of discrete random variables yet it keeps the properties of the Poisson process marginally. We employ Markov chain theory and the notion of weak dependence to study ergodicity and stationarity of the models we consider. We obtain easily verifiable conditions for both linear and log-linear models under both theoretical frameworks. Suitable estimating equations are suggested for estimating unknown model parameters. The large sample properties of the resulting estimators are studied in detail. The work concludes with some simulations and a real data example.

연구 동기 및 목표

• 포아송 분포 모수를 가진 다변량 카운트 시간 시리즈의 의존성 모델링 문제를 해결하기 위해.
• 이산 다변량 카운트의 공동 분포를 특정하는 데서 발생하는 이론적 및 계산적 곤경을 극복하기 위해.
• 포아송 모수 성질을 유지하면서도 타당한 추론을 가능하게 하는 융통성 있고 다루기 쉬운 프레임워크를 개발하기 위해.
• 선형 및 로그선형 모델에서 에르고딕성과 정적성의 조건을 확립하기 위해.
• 파arametric bootstrap과 국소 가우시안 상관계수를 사용하여 코풀라 추정 절차를 제안하고 검증하기 위해.

제안 방법

• 관측된 이산 카운트가 아니라 잠재적인 연속 랜덤 변수 벡터에 코풀라를 적용한다.
• 포아송 과정의 성질을 활용하여 구성된 모델 하에서 모수 분포가 여전히 포아송으로 유지되도록 보장한다.
• 마르코프 체인 이론과 약한 의존성 개념을 적용하여 정적성과 에르고딕성의 조건을 유도한다.
• 모수 추정을 위해 추정 방정식을 사용하는 준우도 추론을 적용한다.
• 코풀라 모수를 추정하기 위해 파라메트릭 부트스트랩 알고리즘을 사용하며, 최소 거리 기준을 통해 가장 적합한 코풀라를 선택한다.
• 비선형 의존성 패턴을 평가하기 위해 대각선 격자에서 국소 가우시안 상관계수(LGC)를 추정한다.

실험 결과

연구 질문

• RQ1 다변량 카운트 시간 시리즈에 대해 포아송 모수 분포를 유지하면서 유효한 공동 분포를 어떻게 구성할 수 있는가?
• RQ2 선형 및 로그선형 다변량 카운트 자기회귀 모델에서 정적성과 에르고딕성이 보장되는 조건은 무엇인가?
• RQ3 복잡한 의존성을 가진 고차원 이산 시간 시리즈에서 코풀라 기반 의존성 구조는 신뢰성 있게 추정될 수 있는가?
• RQ4 추정 정확성과 내성 면에서 제안된 방법은 기존 접근법과 어떻게 비교되는가?
• RQ5 실제 세계의 카운트 데이터에 대한 코풀라 추정 알고리즘의 실증 성능은 어떠한가?

주요 결과

• 코풀라 기반 구성은 이산 다변량 분포의 기술적 문제를 피하면서도 포아송 모수 분포를 성공적으로 유지한다.
• 샘플 크기 n=1000인 선형 모델에서 100회의 시뮬레이션 중 94회에서 알고리즘이 클레이튼 코풀라를 올바르게 선택하였으며, 추정 모수는 4.51(진실 값 4)이었다.
• 가우시안 코풀라의 경우 n=1000일 때 100회의 시뮬레이션 중 70회에서 올바른 구조가 선택되었고, 추정 모수는 0.49(진실 값 0.5)였다.
• IBM 및 코카콜라의 거래 건수에 대한 실데이터 분석에서, 선형 모델의 부트스트랩 런 68%에서 알고리즘이 클레이튼 코풀라를 선택하였으며, 코풀라 모수 추정치는 2.65(표준 오차 0.95)였다.
• 로그선형 모델에서도 클레이튼 코풀라가 51%의 런에서 선호되었고, 추정 모수는 2.01(표준 오차 0.81)이었으며, 이는 이 경우 추정 불확실성이 있음을 시사한다.
• 국소 가우시안 상관계수 분석은 강한 비선형 의존성이 존재함을 보여주었으며, 계수 약 6에서 최고점에 도달했으며, 이는 선형 상관계수 대비 더 유연한 코풀라 모델의 필요성을 뒷받침한다.