[논문 리뷰] New fat-tail normality test based on conditional second moments with applications to finance

Damian Jelito, Marcin Pitera|arXiv (Cornell University)|2018. 11. 13.

Financial Risk and Volatility Modeling참고 문헌 32인용 수 24

한 줄 요약

이 논문은 조건부 2차모멘트를 기반으로 한 새로운 정규성 검정을 제안하며, 20-60-20 규칙을 활용해 꼬리와 중심 조건부 분산을 비교함으로써 뚜렷한 꼬리(비정상 꼬리)를 탐지한다. 제안된 검정통계량 N은 渐近적으로 정규분포를 따르며 대칭적인 이탈에 대해 강건한 반면, 잰크-베라와 같은 전통적 검정보다 비정상 꼬리나 가벼운 꼬리 분포에서의 비정규성 탐지에 더 뛰어나며, 특히 금융 수익률 자료에서 뛰어난 성능을 보인다.

ABSTRACT

In this paper we introduce an efficient fat-tail measurement framework that is based on the conditional second moments. We construct a goodness-of-fit statistic that has a direct interpretation and can be used to assess the impact of fat-tails on central data conditional dispersion. Next, we show how to use this framework to construct a powerful normality test. In particular, we compare our methodology to various popular normality tests, including the Jarque--Bera test that is based on third and fourth moments, and show that in many cases our framework outperforms all others, both on simulated and market stock data. Finally, we derive asymptotic distributions for conditional mean and variance estimators, and use this to show asymptotic normality of the proposed test statistic.

연구 동기 및 목표

• 비정상 꼬리와 대칭 분포에서의 비정규성을 더 효과적으로 탐지할 수 있는 더 강력한 정규성 검정을 개발하는 것.
• 고차모멘트가 아닌 조건부 산란도 기반으로 재정적인 해석이 가능한 적합도 프레임워크를 제공하는 것.
• 특히 극단적 수익률 집합 현상이 발생하는 경우에 비정규 행동을 향상시켜 탐지하는 것.
• 검정통계량이 귀무가설 하에서 渐近적으로 정규분포를 따르게 하여 신뢰할 수 있는 추론을 확립하는 것.
• 특히 꼬리 행동이 정규성에서 벗어날 경우, 잠재적으로 모멘트 기반 검정(예: 잰크-베라)에 대한 강건한 대안을 제공하는 것.

제안 방법

• 검정통계량 N은 왼쪽과 오른쪽 꼬리 조건부 분산의 합과 두 배의 중심 조건부 분산 간의 정규화된 차이로 구성되며, 표본 크기로 스케일링된다.
• 왼쪽, 중앙, 오른쪽 세트를 정의하기 위해 20-60-20 백분위수 분할(20번째, 80번째 백분위수)이 사용된다.
• 표준 정규분포 순서통계량과 조건부 모멘트 공식을 사용하여 닫힌 형태로 유도된 정규화 상수 ρ ≈ 1.7885가 도출된다.
• 정규성의 귀무가설 하에서 N의 渐近적 정규성을 증명함으로써 임계값 계산과 가설 검정이 가능해진다.
• 유의미한 표본 크기에서 강건성과 해석 가능성 확보를 위해 조건부 표본 분산은 경험적 백분위수를 사용해 추정된다.
• 이 방법은 암묵적으로 대칭성을 가정하지만, 일방향 변형(예: N1, N2)을 통한 비대칭 꼬리 영향 확장 가능성을 논의한다.

실험 결과

연구 질문

• RQ1 조건부 2차모멘트 기반 검정은 기존의 모멘트 기반 검정보다 비정상 꼬리를 더 효과적으로 탐지할 수 있는가?
• RQ2 20-60-20 규칙은 중심과의 꼬리 산산 분산 평가에 대해 안정적이고 해석 가능한 프레임워크를 제공하는가?
• RQ3 제안된 검정은 시뮬레이션 및 실제 금융 자료에서 잰크-베라, 앤더슨-다블링, 샤피로-윌크 검정과 비교해 어떻게 성능을 보이는가?
• RQ4 정규성의 귀무가설 하에서 제안된 검정통계량의 渐近적 분포는 무엇인가?
• RQ5 이 프레임워크는 다변량 또는 타원형 분포로의 확장이 가능하여 의존성 모델링에 활용될 수 있는가?

주요 결과

• 진짜 분포가 정규분포보다 꼬리가 두꺼운가, 가벼운가의 대칭 분포일 경우, 제안된 검정 N은 잰크-베라, 앤더슨-다블링, 샤피로-윌크 검정보다 더 높은 검정력을 보였다.
• 시뮬레이션 자료에서는 스트루던트의 t분포(df=5)의 경우 92.0%의 경우에서 정규성을 기각했고, 라플라스 분포의 경우 86.9%에서 기각하여 모든 기준보다 뛰어난 성능을 보였다.
• 실제 주식 시장 자료 연구(6,900개 종목)에서, α = 1% 수준에서 전통적 검정보다 3.8% 더 많은 표본(262개 추가 기각)에서 정규성을 기각했다.
• 작은 표본(n = 50)에서도 정규성 하에서 N의 경험적 분포는 표준 정규분포와 매우 유사했으며, 몬테카를로 시뮬레이션을 통해 渐近적 정규성이 확인되었다.
• 정규화 상수 ρ는 약 1.7885로 닫힌 형태로 도출되었으며, 검정통계량의 정확한 스케일링을 보장했다.
• 20-60-20 규칙은 금융 수익률의 매우 정확한 클러스터링을 가능하게 하여, 극단적 수익률이 정규분포가 예측하는 것보다 더 자주 발생한다는 통상적인 사실과 일치한다.