On a multivariate extension for Copula-based Conditional Value at Risk

기술적 요약: 코풀라 기반 조건부 위험 가치 (CVaR) 를 위한 다변량 확장

문제 제기
본 논문은 다변량 환경에서 가치위험 (VaR) 과 조건부 가치위험 (CVaR) 과 같은 고전적 위험 측정치의 한계를 다룹니다. VaR 은 널리 사용되지만, 부분가법성 (sub-additivity) 이 결여되어 있고 꼬리 위험을 적절히 포착하지 못합니다. CVaR(또는 기대단축) 은 VaR 임계값을 초과하는 기대 손실을 측정함으로써 이를 개선하지만, 전통적으로 단일 포트폴리오에 대해 정의됩니다. 기존 다변량 확장인 다변량 CVaR(MCVaR) 은 종종 벡터 값 측정치로 이어지거나 집계하기 어려운 복잡한 레벨 집합에 의존합니다. 또한, 코풀라 기반 CVaR(CC VaR) 은 의존성을 모델링하는 유연한 방법을 제공하지만, 이전 연구 (예: Krzemienowski 와 Szymczyk, 2016; Molina Barreto 와 Ishimura, 2023) 는 주로 이변량 사례로 제한되었거나 고차원에서의 폐형식 (closed-form) 표현식이 부재했습니다. 식별된 구체적인 격차는 금융에서 처리 용이성으로 인해 흔히 사용되는 아르키메데스 코풀라 하에서 $d \ge 2$ 차원에 대한 일반화된 거의 폐형식 (almost closed-form) CCVaR 표현식이 없다는 점입니다.

방법론
저자들은 포트폴리오의 결합 분포가 코풀라에 의해 정의된 "불리한 집합"에 속할 때 포트폴리오 손실의 기대 가중치로 정의되는 CCVaR 의 다변량 확장을 제안합니다.

1. 이론적 틀:
   • 연구는 스클라르 정리 (Sklar's Theorem) 를 활용하여 한계 분포와 의존성 구조 (코풀라) 를 분리합니다.
   • 단일 생성 함수 $\varphi$ 로 생성되는 아르키메데스 코풀라에 초점을 맞춥니다. 이러한 코풀라는 대칭적 (교환 가능) 인데, 이는 유사한 산업 내 자산 포트폴리오에 대해 수용 가능한 단순화 가정으로 간주됩니다.
   • CCVaR 은 코풀라 값 $C(U_1, \dots, U_d) \ge \beta$ (여기서 $\beta$ 는 신뢰수준) 일 때 포트폴리오 손실 $\lambda^T X$ 의 조건부 기대값으로 정의됩니다.
2. 유도:
   • 핵심 방법론적 기여는 아르키메데스 코풀라 하에서 CCVaR 에 대한 거의 폐형식 표현식을 유도하는 것입니다.
   • 이 유도는 켄달 분포 함수와 그 밀도에 의존하며, 생성 함수 $\varphi$ 와 그 역함수 $\varphi^{-1}$ 의 성질을 활용합니다.
   • 저자들은 위험 측정치를 역생성 함수의 도함수 (최대 $d-1$ 차까지) 와 보조 함수 $f_i(t)$ 를 포함하는 적분으로 표현합니다. 여기서 $f_i(t)$ 는 생성 함수를 기반으로 재귀적으로 정의됩니다.
   • 이 공식은 역생성 함수의 도함수가 알려진 경우 (Clayton, Gumbel, Frank, Joe, Ali-Mikhail-Haq 와 같은 일반적인 가족에서 사용 가능) 순수한 시뮬레이션 기반 방법에 의존하지 않고 CCVaR 을 계산할 수 있게 합니다.

주요 기여

1. 다변량 차원으로의 일반화: 본 논문은 아르키메데스 코풀라 하에서 CCVaR 의 정의를 이변량 사례에서 임의의 $d \ge 2$ 차원으로 확장합니다.
2. 거의 폐형식 표현식: 저자들은 생성 함수, 그 도함수, 그리고 켄달 분포를 사용하여 CCVaR 을 표현하는 특정 적분 공식 (정리 3) 을 유도합니다. 이는 이론적 분석과 수치적 구현을 용이하게 합니다.
3. 일관성과 성질: 본 논문은 제안된 측정치의 일관성 성질을 검토합니다. CCVaR 이 양의 동차성, 이동 불변성, 그리고 단조성을 만족함을 입증합니다. 부분가법성은 특정 조건 (예: 독립성) 하에서 성립함이 보이지만, 기존 MCVaR 관련 문헌과 일치하게 부분가법성이 모든 일반적인 다변량 사례에서 보장되지는 않는다고 논문은 지적합니다.
4. 행동 분석: 연구는 CCVaR 이 신뢰수준 $\beta$ 와 의존성 매개변수 $\theta$ 에 대해 어떻게 행동하는지 분석합니다. CCVaR 이 $\beta$ 에 대해 비감소함임을 증명하고, 특정 코풀라 가족 (예: 특정 조건 하에서 Clayton 과 Frank 에 대해 감소함) 에 대해 $\theta$ 에 대한 단조성을 조사합니다.

결과
본 논문은 닛케이 225 지수에 상장된 7 개 기계 주식의 실제 데이터를 사용한 수치 실험을 제시합니다.

1. 데이터 및 모델링: 일일 음의 로그 수익률은 표준 정규, Student-t, 그리고 비대칭 t 분포를 가진 AR(1)-GARCH(1,1) 과정으로 모델링되었습니다. 아르키메데스 코풀라 (Clayton, Frank, Gumbel, Joe, AMH) 는 한계 추정 함수 (IFM) 방법을 사용하여 적합되었습니다.
2. 비교 성능:
   • 보수성: 수치 결과는 모든 테스트된 코풀라와 신뢰수준 ($\beta = 0.95, 0.99$) 에서 CCVaR 이 고전적 VaR 과 CVaR 보다 높은 값을 산출함을 일관되게 보여줍니다. 저자들은 이를 CCVaR 이 단순히 가중합이 임계값을 초과하는 것이 아니라 모든 불리한 결합 사건 (전체 집합 $\mathcal{U}_\beta$) 에 조건을 두기 때문에 더 보수적인 위험 측정치로 해석합니다.
   • 코풀라 선택에 대한 민감도: 선택된 코풀라 가족에 따라 (예: Gumbel 과 Joe 가 더 높은 값을 산출) 상당한 변동을 보이는 VaR 과 CVaR 과는 달리, CCVaR 값은 서로 다른 코풀라 사양 간에 미미한 변동성을 보입니다.
   • 꼬리 민감도: 연구는 두꺼운 꼬리를 가진 한계 분포 (Student-t, 비대칭 t) 가 정규 분포에 비해 더 높은 위험 추정치를 초래함을 확인합니다.
   • 시간적 진화: 롤링 윈도우 분석은 CCVaR 이 높은 변동성 기간에 반응하며, 시간이 지남에 따라 VaR 과 CVaR 에 비해 가장 보수적인 측정치로서의 위치를 유지함을 보여줍니다.

의의 및 주장
본 논문은 제안된 다변량 CCVaR 이 특히 유사한 의존성 구조 (교환 가능성) 를 공유하는 자산을 다룰 때 포트폴리오 위험 관리에 대한 견고한 대안을 제공한다고 주장합니다.

• 이론적 가치: 거의 폐형식 표현식의 유도는 문헌의 격차를 메워, 계산 집약적인 몬테카를로 시뮬레이션에만 의존하지 않고 고차원에서의 위험 측정치를 분석적으로 연구할 수 있게 합니다.
• 실용적 함의: 결과는 포트폴리오의 총계 손실이 임계값을 초과하는 것에 조건을 두는 것보다 불리한 사건의 결합 발생에 조건을 두는 것 (CCVaR 이 수행하는 방식) 이 극단적 손실에 대비하여 더 보수적이고 잠재적으로 안전한 완충 장치를 제공함을 시사합니다.
• 한계 및 향후 작업: 저자들은 아르키메데스 코풀라의 교환 가능성 가정이 이질적 의존성을 가진 고도로 분산된 포트폴리오에 대한 모델의 적용성을 제한한다는 점을 겸손하게 인정합니다. 또한, 2 차원 이상의 차원에서 의존성 매개변수 $\theta$ 에 대한 CCVaR 의 행동은 수치적 증거가 단조성을 시사하지만 엄밀한 증명이 elusive 하므로 추가적인 형식적 특성이 필요하다고 지적합니다. 향후 연구는 더 복잡한 의존성 구조를 포착하기 위해 계층적 아르키메데스 코풀라와 바인 (vine) 코풀라를 탐구할 것을 제안합니다.