[论文解读] Is there significant time-variation in multivariate copulas?

Jakob Stöber, Ulf Schepsmeier|arXiv (Cornell University)|May 22, 2012

Financial Risk and Volatility Modeling参考文献 17被引用 3

一句话总结

本文提出了一种新颖的算法，用于精确计算常规藤（R-vine）对 copula 模型中的得分函数和观测信息矩阵，从而实现对最大似然估计参数的标准误的可靠估计。将该方法应用于汇率数据，研究发现部分货币对的相依参数存在显著的时间变化——尤其在2007–2008年金融危机期间——而其他货币对则保持稳定；小滚动窗口导致的波动是由于估计不确定性过高而产生的虚假波动。

ABSTRACT

We demonstrate how the uncertainty of parameter point estimates can be assessed in a maximum likelihood framework in order to prevent overfitting and erroneous detection of time-inhomogeneity. The class of models we consider are regular vine (R-vine) copula models, for which we describe a new algorithm for the exact computation of the score function and observed information. R-vine copulas constitute a flexible class of dependence models which are constructed hierarchically from bivariate copulas as building blocks only, and our algorithm exploits the hierarchical nature for subsequent computation of log-likelihood derivatives. Results obtained using the proposed methods are discussed in the context of the asymptotic efficiency of different estimation methods for R-vine based models. In a substantial application to a dataset of exchange rates, we obtain clear indications for time-inhomogeneous dependence between some currency pairs.

研究动机与目标

• 为解决在 R-vine 对 copula 模型中最大似然估计缺乏标准误计算的问题，该问题阻碍了对相依性时变性的可靠推断。
• 开发一种数值稳定且高效的算法，利用其分层结构精确计算 R-vine 对 copula 中的得分函数和观测信息矩阵。
• 评估从滚动窗口分析中观察到的相依参数时变性是否具有统计显著性，还是由估计不确定性所驱动。
• 利用计算出的费雪信息矩阵，比较不同估计方法（如全似然法与两步法）在 R-vine 对 copula 模型中的渐近效率。
• 评估滚动窗口分析在检测金融多元数据中时变相依结构方面的稳健性。

提出的方法

• 开发一种新算法，利用 R-vine 对 copula 的分层树结构，精确且高效地计算对数似然函数的导数（即得分函数）。
• 利用 R-vine 模型的分层分解结构，将观测信息矩阵计算为对数似然函数的负 Hessian 矩阵，从而实现标准误估计。
• 采用数值积分技术计算费雪信息矩阵，支持不同估计方法之间渐近效率的比较。
• 采用不同窗口大小（100、200、400 个观测值）的滚动窗口分析，评估汇率对之间相依参数的时间变化性。
• 利用估计的标准误构建逐点 95% 置信区间，以区分显著的时间变化与抽样噪声。
• 比较不同窗口大小下的参数估计值与置信带，以评估观察到的波动的可靠性。

实验结果

研究问题

• RQ1 在不同货币对之间观察到的相依参数时变性是否具有统计显著性，还是估计不确定性的产物？
• RQ2 能否通过一种利用其分层结构的新算法，可靠地计算 R-vine 对 copula 模型的精确标准误？
• RQ3 滚动窗口大小的选择如何影响金融数据中时变相依结构的检测？
• RQ4 对于 R-vine 对 copula 模型，全最大似然法与两步法中哪种估计方法具有更优的渐近效率？
• RQ5 金融市场的冲击（如2008年危机）在多大程度上会引起多元相依结构的可检测变化？

主要发现

• 所提出的算法能够精确且高效地计算 R-vine 对 copula 的得分函数和观测信息矩阵，解决了该类模型在统计推断中的一个关键空白。
• 通过新方法计算出的标准误表明，小滚动窗口（如 100 个观测值）下相依参数的表观时变性通常不具统计显著性，原因在于估计不确定性过高。
• 在 8 维汇率数据集中，GBP/USD 和 EUR/USD 的相依性存在显著的时间变化，其相依强度在 2007–2008 年间下降至初始值的 75%。
• 相比之下，在给定 AUD/USD 的条件下，EUR/USD 与 BRL/USD 之间的相依性在时间上保持稳定，表明该模型子集内无显著时变性。
• 较大的滚动窗口（如 400 个观测值）产生更窄的置信带和更稳定的估计值，表明 100–200 个观测值不足以可靠检测短期相依性变化。
• 研究结论认为，尽管部分相依参数随时间显著变化——尤其是在金融危机期间——但滚动窗口分析中观察到的许多波动实际上是估计噪声的产物，而非真正的结构变化。