• 응용통계연구
• /
• 제34권6호
• /
• pp.875-887
• /
• 2021

최대예상손실액(VaR)은 위험관리수단으로 금융에서 시장위험을 측정하는 대표적인 값이다. 본 논문에서는 다양한 자산으로 이루어진 고차원 금융자료에서 자산들 간의 의존성 구조를 잘 설명할 수 있는 성근 바인 코풀라를 이용한 VaR 추정에 대해서 논의한다. 성근 바인 코풀라는 정규 바인 코풀라 모형에 벌점화를 적용한 방법으로 추정하는 모수의 개수를 벌점화를 통해 축소하는 방법이다. 모의 실험 결과 성근 바인 코풀라를 이용한 VaR 추정이 더 작은 표본 외 예측오차를 줌을 살펴볼수 있었다. 또한 최근 5년간의 코스피 60개 종목을 바탕으로 실시한 실증 자료 분석에서도 성근 바인 코풀라 모형이 더 좋은 예측 성능을 보임을 확인할 수 있었다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1171-1180
• /
• 2014

본 논문에서는 금융분야에서 사용되고 있는 포트폴리오 위험측도인 VaR (value at risk)와 ES (expected shortfall)의 측정 방법으로 안장점근사의 적용 방법을 제시하였다. 본 연구의 특징은 금융자료에 대하여 정규분포를 가정하지 않고, 치우침을 가정한 왜정규분포를 가정하여 왜정규분포를 따르는 위험요인으로 구성된 선형 포트폴리오 위험측도에 대해 안장점근사를 실시하였다. 또한 모의실험을 통해 위험측도의 안장점근사의 정도가 매우 우수함을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권6호
• /
• pp.1479-1494
• /
• 2015

최적의 포트폴리오를 선택하기 위한 연구는 평균-분산모형을 시작으로 다양하게 진행되어 왔다. 과거에는 위험자산의 확률분포가 정규분포를 따른다고 가정하여, 투자자가 보유한 위험자산의 분산이 최소화되고 기대수익률이 최대가 되도록 포트폴리오를 구성하도록 하였다. 그러나 실제 위험자산의 분포에는 극단적인 사건들이 많이 발생하기 때문에 정규분포보다 훨씬 꼬리부분이 두꺼우며, 또한 왼쪽꼬리와 오른쪽꼬리가 대칭적이지도 않은 것으로 밝혀졌다. 이에 본 논문에서는 위험자산의 확률분포를 극단치 이론에서 널리 사용되는 일반화 파레토분포 (GPD)로 모형화하였고 체계적인 위험의 추정을 위하여 VaR를 이용하는 한편, 최적의 포트폴리오의 탐색을 위해서는 유전자 알고리즘을 사용하였다. 제안 방법의 적정성을 확인하기 위해 국내 증시에서 최적 포트폴리오를 탐색해 보았으며, 그 결과 GPD로 투자자산의 위험을 추정하였을 때 가장 좋은 결과를 얻을 수 있었다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.959-967
• /
• 2016

자산의 수익에 대한 분포 가정은 파생 상품의 가치 평가에 매우 중요한 역할을 한다. Elberlein과 Keller (1995)는 오랜 기간에 걸친 주식 자료를 바탕으로 혼합 자산의 분포에 대한 다양한 검정을 수행한 결과, 정규성 가정이 만족되지 않음을 확인한 바 있으며, 일반화 쌍곡분포가 보다 현실을 잘 반영하는 모형임을 확인하였다. 또한, Hu와 Kercheval (2007)은 6년간의 S&P500 지수의 분석에서 정규분포는 VaR (value at risk)을 과소 추정하는 반면, 일반화 쌍곡분포는 잘 적합함을 확인하였다. 일반화 쌍곡분포는, Barndorff-Nielsen (1977)이 처음 소개한 분포로, 첨도가 큰 특징을 가지는 금융 자료의 적합에 유용한 분포이다. 본 연구에서는 일반화 쌍곡분포를 모분포로 하는 선형 포트폴리오의 위험측도를 추정한다. 위험측도로는 VaR과 ES (expected shortfall)를 고려하였으며, 추정 방법으로는 안장점근사를 사용하였다. 안장점근사는 소표본에서도 정확한 근사를 제공하는 근사법으로 알려져 있다. 모의실험을 통해 위험측도에 대한 안장점근사의 정도가 매우 우수함을 확인하였다.