[論文レビュー] Switching-GAS Copula Models for Systemic Risk Assessment

Mauro Bernardi, Leopoldo Catania|arXiv (Cornell University)|Apr 14, 2015

Financial Risk and Volatility Modeling参考文献 69被引用数 7

ひとこと要約

本稿では、金融リターンの非線形的・非対称的依存関係を捉えるために、マルコフスイッチング一般化自己回帰スコア（GAS）ダイナミクスを用いたスイッチングGASコプシラ（SGASC）モデルを提案する。このモデルは、特にヨーロッパ市場におけるシステミックリスク寄与度の予測において、CoVaRバックテストにおいて競合モデルを上回る性能を示し、システミックリスク予測を改善する。

ABSTRACT

Recent financial disasters have emphasised the need to accurately predict extreme financial losses and their consequences for the institutions belonging to a given financial market. The ability of econometric models to predict extreme events strongly relies on their flexibility to account for the highly nonlinear and asymmetric dependence observed in financial returns. We develop a new class of flexible Copula models where the evolution of the dependence parameters follow a Markov-Switching Generalised Autoregressive Score (SGASC) dynamics. Maximum Likelihood estimation is consistently performed using the Inference Functions for Margins (IFM) approach and a version of the Expectation-Maximisation (EM) algorithm specifically tailored to this class of models. The SGASC models are then used to estimate the Conditional Value-at-Risk (CoVaR), which is defined as the VaR of a given asset conditional on another asset (or portfolio) being in financial distress, and the Conditional Expected Shortfall (CoES). Our empirical investigation shows that the proposed SGASC models are able to explain and predict the systemic risk contribution of several European countries. Moreover, we also find that the SGASC models outperform competitors using several CoVaR backtesting procedures.

研究の動機と目的

• 既存のコプシラモデルが金融リターンの非線形的・非対称的依存関係を捉えることの限界を是正すること。
• 相互に接続された金融機関における極端な金融損失およびシステミックリスクの予測を改善すること。
• 動的パrameterの進化を用いて、依存構造のレジームシフトに適応する柔軟なコプシラモデルのクラスを構築すること。
• システミックリスク監視のための条件付きバリューアットリスク（CoVaR）および条件付き予想損失（CoES）を、より高い精度で推定すること。
• ヨーロッパの金融データを用いたバックテスト手順により、モデルの性能を検証すること。

提案手法

• 依存パラメータがマルコフスイッチング一般化自己回帰スコア（GAS）ダイナミクスに従って時間的に変化する、新しいコプシラモデルのクラスを提案し、時間依存的かつレジーム依存の依存関係を捉える。
• モデルパラメータの一貫した最尤推定のため、マージン関数による推定（IFM）手法を採用する。
• 潜在的なマルコフスイッチング状態とスコア駆動ダイナミクスを扱うために、期待最大化（EM）アルゴリズムをSGASCフレームワークに適応する。
• 一つの資産が危機状態にある条件での、もう一つの資産のバリューアットリスク（VaR）および予想損失（Expected Shortfall）として、システミックリスクをCoVaRおよびCoESでモデル化する。
• レジームスイッチング構造を用いることで、依存関係における構造的変化を許容し、市場ストレス時の尾部依存関係のモデル化における柔軟性を高める。
• ヨーロッパ諸国の多変量金融リターンデータを用いて、システミックリスク寄与度を評価する。

実験結果

リサーチクエスチョン

• RQ1 スイッチング依存ダイナミクスを有するコプシラモデルは、静的または非スイッチングモデルと比較して、金融リターンの非線形的・非対称的依存関係をよりよく捉えられるか？
• RQ2 金融市場のストレス状態下で、SGASCモデルはCoVaRおよびCoESで測定されるシステミックリスクをどれほど正確に予測できるか？
• RQ3 スコア駆動コプシラフレームワークにマルコフスイッチングダイナミクスを組み込むことで、ベンチマークモデルと比較して予測性能が向上するか？
• RQ4 提案されたSGASCモデルによって推定される、個々のヨーロッパ金融機関のシステミックリスク寄与度はいかなるものか？
• RQ5 標準的なCoVaRバックテスト手順において、SGASCモデルは競合モデルと比較してどの程度の性能を示すか？

主な発見

• SGASCモデルは、特に市場ストレス時において、金融リターンの非線形的・非対称的依存構造を効果的に捉えている。
• モデルは、複数のCoVaRバックテスト手順において、常に競合モデルを上回る優れた性能を示し、システミックリスク予測において優位性を発揮している。
• マルコフスイッチングダイナミクスの導入により、依存関係の構造的変化への適応能力が著しく向上し、予測精度が向上している。
• 実証的結果から、SGASCモデルはヨーロッパ諸国のシステミックリスク寄与度を効果的に推定・予測できていることが示された。
• IFM-EM推定手法は、潜在的なレジーム状態が存在する状況でも安定的かつ一貫性のあるパラメータ推定を可能にし、信頼性の高い推論と予測を実現している。
• モデルの動的依存構造により、ヨーロッパ市場における金融機関間のシステミックリスクの伝播をより正確に特定できるようになった。