[논문 리뷰] Shaping tail dependencies by nesting box copulas

Christoph Hummel|ArXiv.org|2009. 06. 26.

Financial Risk and Volatility Modeling참고 문헌 8인용 수 5

한 줄 요약

이 논문은 꼬리 내재 복소함수—단위 입방체 내 국소적 조각별 균일 복소함수로, 임의의 차원에서 모든 면 투영에 대해 유연하고 동시에 꼬리 의존도를 제어할 수 있도록 하는 방법을 제안한다. 이 방법은 효율적인 시뮬레이션을 지원하며, 위계적 구성에 기반한 면별 매개변수를 통해 리스크 모델러가 임의의 꼬리 의존도 정도와 계수를 지정할 수 있도록 한다.

ABSTRACT

We introduce a family of copulas which are locally piecewise uniform in the interior of the unit cube of any given dimension. Within that family, the simultaneous control of tail dependencies of all projections to faces of the cube is possible and we give an efficient sampling algorithm. The combination of these two properties may be appealing to risk modellers.

연구 동기 및 목표

• 리스크 모델링에서 고차원 복소함수에 대한 효율적인 시뮬레이션 알고리즘이 부족한 문제를 해결한다.
• 기존 복소함수는 매개변수를 이변량 의존도에 묶어 꼬리 행동에 대한 제어를 제한한다는 한계를 극복한다.
• 단위 입방체의 모든 하위차원 투영(면)에 대해 꼬리 의존도 정도와 계수를 독립적으로 지정할 수 있도록 한다.
• 임의의 꼬리 의존도 구조를 지원하면서도 샘플링에 대한 계산 효율성을 유지하는 구성법을 개발한다.
• 모든 차원 r에 적용 가능한 일반적 프레임워크를 제공하며, 금융 및 보험 리스크 모델링에 직접적인 관련성을 가진다.

제안 방법

• 단위 입방체의 이진 분할에 근거한 균일 측도를 중첩하여 복소함수를 구성하는 '꼬리 내재'라는 구성법을 제안하며, 국소적 조각별 균일성을 보장한다.
• 원점 근처의 확률 질량의 점근적 스케일링을 통해 꼬리 정도와 꼬리 계수를 정의하며, $ \liminf_{s\to 0} \frac{c(s\cdot[0,1]^r)}{s^{\tau}} $ 형태의 극한을 사용한다.
• 각 면 $ F \subset [0,1]^r $ 에 대해 꼬리 계수 $ a(F) $ 와 꼬리 정도 $ b(F) $ 를 사용하여 꼬리 행동을 매개변수화한다.
• 모든 면 $ F $ 에 대한 투영이 주어진 꼬리 특성 $ (a(F), b(F)) $ 를 만족하는 복소함수 측도 $ c $ 를 구성하며, 이때 $ b $ 의 단조성 조건을 요구한다.
• k차원 면에 대한 투영이 균일해지는 복소함수의 순서 k에 대한 일반화를 수행한다.
• 조각별 균일한 구조를 활용한 재귀적 분할과 정점 기반 샘플링에 기반한 효율적인 시뮬레이션 알고리즘을 구현한다.

실험 결과

연구 질문

• RQ1 모든 면 투영에 대해 꼬리 의존도를 독립적이고 민감하게 제어할 수 있는 복소함수 가족을 구성할 수 있는가?
• RQ2 효율적인 시뮬레이션을 보장하면서도 임의의 꼬리 의존도 정도와 계수를 허용하는 고차원 복소함수를 설계할 수 있는가?
• RQ3 꼬리 특성 매핑 $ a(F) $ 와 $ b(F) $ 에 대해 어떤 조건이 존재하는 유효한 복소함수 측도가 이러한 성질을 가지도록 보장하는가?
• RQ4 표준 복소함수 가족을 초월하여 다변량 랜덤 변수의 점근적 꼬리 행동을 어떻게 제어할 수 있는가?
• RQ5 균일 마진을 초월하여 일반 분포에 대해 이 구성법을 확장할 수 있는가? 이 경우 적절한 변환을 사용할 수 있는가?

주요 결과

• 모든 차원 $ r $ 에 대해, $ b $ 가 비감소이면서 $ a(F), b(F) \in (1,\infty) $ 이며 $ \dim F \leq 1 $ 이면 $ (a(F), b(F)) = (1, \dim F) $ 를 만족할 경우, 꼬리 특성 $ \operatorname{tchar}_c = (a,b) $ 를 가진 복소함수 측도 $ c $ 가 존재한다.
• 만약 $ b $ 가 엄격히 증가하면, 꼬리 내재를 사용하여 이러한 복소함수를 명시적으로 구성할 수 있으며, 이는 $ (0,1)^r $ 내에서 국소적 조각별 균일성을 보장한다.
• 재귀적 분할과 정점 기반 샘플링을 활용한 효율적인 시뮬레이션 알고리즘이 구성에 의해 지원되며, 독립적인 샘플을 신속하게 생성할 수 있다.
• 꼬리 특성은 균일 마진 뿐 아니라 일반 연속 마진 분포에 대해서도 확률 적분 변환을 통해 지정할 수 있다.
• 변수 $ X_i \sim F_i(s) = (-s)^{-\alpha_i} $ 가 파레토 분포를 따를 경우, 연합 꼬리 확률 $ P(X_i \leq -(-t)^n \text{ for } \nu_i = 0) $ 이 점근적으로 $ a(\nu) \cdot (-t)^{-n b(\nu)} $ 와 같이 스케일링되며, 여기서 $ a(\nu) $ 와 $ b(\nu) $ 는 사용자가 정의한 값이다.
• 만약 $ b $ 가 증가하지 않는 경우, 특히 면 포함 계층과 꼬리 행동의 비퇴화성과의 일관성을 확보하기 위해 $ b $ 와 $ a $ 에 대한 필수 조건이 도출된다.