성근 바인 코풀라 모형을 이용한 고차원 금융 자료의 VaR 추정

• Published in: Ŭngyong tʻonggye yŏnʼgu Vol. 34; no. 6; pp. 875 - 887
• Main Authors: 안광준, Kwangjoon An, 백창룡, Changryong Baek
• Format: Journal Article
• Language: Korean
• Published: 한국통계학회 2021
• Subjects: dependence structure; lasso; sparse vine copula; value at risk; 라소; 성근 바인 코풀라; 의존성 구조; 최대예상손실액; 통계학; value at risk; sparse vine copula; 최대예상손실액; lasso; 라소; dependence structure; 의존성 구조; 성근 바인 코풀라
• ISSN: 1225-066X; 2383-5818

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. Value at Risk (VaR) is the most popular measure for market risk. In this paper, we consider the VaR estimation of portfolio consisting of a variety of assets based on multivariate copula model known as vine copula. In particular, sparse vine copula which penalizes too many parameters is considered. We show in the simulation study that sparsity indeed improves out-of-sample forecasting of VaR. Empirical analysis on 60 KOSPI stocks during the last 5 years also demonstrates that sparse vine copula outperforms regular copula model.