[논문 리뷰] On Biased Correlation Estimation

Thomas Schürmann, Ingo Hoffmann|arXiv (Cornell University)|2017. 07. 24.

Bayesian Methods and Mixture Models인용 수 1

한 줄 요약

이 논문은 기존 추정기와 달리 진짜 상관계수에 따라 변동하는 과소추정 위험을 가지지 않고, 일정하고 조절 가능한 과소추정 확률을 보장하는 새로운 체계적 편향이 있는 상관계수 추정기법을 제안한다. 이 방법은 표본 상관계수의 연속적이고 엄격히 증가하는 변환을 사용하며, 통계적 일致성과 임의의 α∈(0,1)에 대해 정확히 1−α의 과소추정 확률을 달성함을 증명하였다.

ABSTRACT

In general, underestimation of risk is something which should be avoided as far as possible. Especially in financial asset management, equity risk is typically characterized by the measure of portfolio variance, or indirectly by quantities which are derived from it. Since there is a linear dependency of the variance and the empirical correlation between asset classes, one is compelled to control or to avoid the possibility of underestimating correlation coefficients. In the present approach, we formalize common practice and classify these approaches by computing their probability of underestimation. In addition, we introduce a new estimator which is characterized by having the advantage of a constant and controllable probability of underestimation. We prove that the new estimator is statistically consistent.

연구 동기 및 목표

• 금융 리스크 관리에서 흔히 쓰이는 편향된 상관계수 추정 방법을 체계적으로 정의하기.
• 다양한 편향된 추정기들 간의 과소추정 확률을 정량화하고 비교하기.
• 진짜 상관계수에 관계없이 사용자가 정의한 과소추정 확률을 유지하는 새로운 추정기 개발.
• 유한 표본 조건 하에서 신규 추정기의 통계적 일치성 증명.
• 포트폴리오 리스크 추정에서 히وري스틱한 편향 조정에 대한 실용적이고 해석 가능한 대안 제공.

제안 방법

• 표본 상관계수 추정기 ˆr에 대한 네 가지 조각별 선형 변환을 제안하여 체계적 편향 유도.
• 표준 정규분포의 누적분포함수의 역함수를 통해 정의된 새로운 연속적이고 엄격히 증가하는 변환 Gα(ˆr) 도입.
• 모든 α∈(0,1)에 대해 P(˜r < ρ) = 1−α를 만족하는 추정기 ˜r = Gα(ˆr) 정의로 과소추정 확률이 일정함을 보장.
• 표본 크기가 크다는 조건에서 변환의 근사식 유도: ˜r = [√n + 4qα / √n] ˆr + [4q²α − √n] / (2qα), n > 4q²α 일 때 유효.
• 확률변수의 측도론적 변환을 통해 과소추정 확률이 정확히 1−α임을 증명.
• ˆr의 渐近 정규성과 가우시안 오차 함수를 활용하여 ˜r → ˆr as n→∞ 임을 보여 통계적 일치성 확립.

실험 결과

연구 질문

• RQ1 유한 표본에서 일반적으로 쓰이는 편향된 상관계수 추정기들 간 과소추정 확률은 어떻게 달라지나?
• RQ2 모든 진짜 상관계수 값 ρ∈[−1,1]에 대해 과소추정 확률이 일정한 편향된 상관계수 추정기를 구성할 수 있는가?
• RQ3 통제 가능한 과소추정 확률을 갖는 새로운 편향 추정기의 통계적 일치성 행동은 어떠한가?
• RQ4 사용자가 정의한 과소추정 위험을 보장하는 닫힌 형식의 해석 가능 변환을 유도할 수 있는가?
• RQ5 새로운 추정기는 음의 상관계수를 0으로 고정하거나 일정한 이동을 더하는 히وري스틱 방법과 비교해 어떻게 다를까?

주요 결과

• 제안된 추정기 ˜r = Gα(ˆr)는 임의의 α∈(0,1)에 대해 진짜 상관계수 ρ에 관계없이 과소추정 확률이 정확히 1−α임을 보장한다.
• 기존의 표준 편향 추정기와 달리, 새로운 추정기의 과소추정 위험은 ρ에 따라 변하지 않으며, 이는 기존 접근법의 핵심 한계를 해결한다.
• 추정기는 통계적 일치성을 갖는다: 표본 크기 n→∞ 일 때 ˜r는 확률적으로 진짜 상관계수 ρ로 수렴한다.
• 표본 크기가 큰 경우의 변환 근사식을 도출: ˜r = [√n + 4qα / √n] ˆr + [4q²α − √n] / (2qα), n≥20 에서도 잘 작동한다.
• 이론적 증명을 통해 변환이 단조성을 유지하고, 역누적분포함수를 통한 과소추정 확률의 정확한 계산이 가능함을 확인.
• 음의 r를 0으로 설정하거나 일정한 이동을 더하는 히وري스틱한 편향 조정에 비해 원칙적인 대안을 제공한다.