Consistent Variable Selection for GARCH-X Models

아드리아노 자닌 잠봄과 벡 샌더스의 논문 "GARCH-X 모델에 대한 일관된 변수 선택"에 대한 상세한 기술적 요약은 다음과 같습니다.

1. 문제 제기

금융 변동성 모델링은 종종 GARCH(일반화 자기회귀 조건부 이분산성) 모델에 의존합니다. 표준 GARCH 모델은 내생적 변동성 동역학 (과거 충격 및 과거 변동성) 을 포착하지만, 실증적 증거는 거시경제 지표, 뉴스 강도, 또는 상품 가격과 같은 외부 (외생적) 요인이 변동성에 상당한 영향을 미친다고 시사합니다.

GARCH-X 모델은 이러한 외생적 공변량을 포함하도록 표준 프레임워크를 확장합니다. 그러나 잠재적 공변량의 수가 많을 때 중요한 도전 과제가 발생합니다:

• 모델 선택의 어려움: 기존 방법들은 주로 모델의 차수 (예: GARCH($p,q$) 에서 $p$와 $q$ 결정) 를 선택하는 데 중점을 두지, 특정 외생 변수를 선택하는 데는 초점을 맞추지 않습니다.
• 계산적 부담: 공변량의 수가 중간에서 크기로 증가할 때, BIC 나 AIC 와 같은 패널티 기준을 사용하여 모든 공변량 조합을 포괄적으로 테스트하는 것은 계산적으로 불가능합니다.
• 이론적 보장의 부재: 변동성 모델에서 외생 공변량을 선택하기 위한 이론적 일관성 결과를 가진 확립된 절차는 존재하지 않았습니다. 목표는 변동성을 주도하는 관련 공변량의 "진실된" 부분 집합을 식별하고 관련 없는 것들을 배제하는 것입니다.

2. 방법론

저자들은 가설 검정 프레임워크와 거짓 발견률 (FDR) 통제를 결합한 일관된 변수 선택 절차를 제안합니다.

A. 모델 프레임워크

본 논문은 GARCH($p,q$)-X 모델을 사용합니다:
$$\epsilon_t = \sigma_t w_t$$
$$\sigma_t^2(\theta) = \omega + \sum_{i=1}^p \alpha_i \epsilon_{t-i}^2 + \sum_{j=1}^q \beta_j \sigma_{t-j}^2 + \gamma^T X_{t-1}$$
여기서 $X_{t-1}$은 $d$개의 외생 공변량 벡터이며, $\gamma = (\gamma_1, \dots, \gamma_d)'$는 검정될 계수를 나타냅니다. 목표는 진실된 인덱스 집합 $I_0 = \{k : \gamma_k \neq 0\}$을 복원하는 것입니다.

B. 가설 검정

각 공변량 $k$에 대해 저자들은 한쪽 방향 가설 검정을 수립합니다:

• $H_0^k: \gamma_k = 0$ (공변량은 관련 없음)
• $H_1^k: \gamma_k > 0$ (공변량은 관련 있음)

저자들은 준최대우도추정량 (QMLE) $\hat{\theta}_n$을 활용합니다. 정규성 조건 (Francq 와 Thieu, 2019 에서 확립됨) 하에서 추정량은 일관성이 있으며 점근적으로 정규분포를 따릅니다 (비음수 제약으로 인해 매개변수 공간에 투영됨).

각 공변량에 대한 검정 통계량은 Wald 형 통계량입니다:
$$t_n(k) = \frac{\sqrt{n} e_k^T \hat{\theta}_n}{\sqrt{e_k^T \hat{\Sigma}_n e_k}}$$
여기서 $\hat{\Sigma}_n$은 추정된 점근 공분산 행렬입니다. 매개변수에 대한 양수 제약으로 인해, 제곱 통계량 $t_n^2(k)$은 카이 - 바 - 제곱 분포 (0 에서의 점 질량과 $\chi^2_1$ 분포의 혼합) 를 따릅니다.

C. FDR 통제를 통한 변수 선택

고정된 유의수준을 사용하는 것 (다중 검정에서 높은 1 종 오류로 이어짐) 대신, 저자들은 Benjamini–Yekutieli (2001) 절차를 적용하여 거짓 발견률 (FDR) 을 통제합니다.

1. 모든 $d$개 공변량에 대해 p-값 $\pi_k$를 계산합니다.
2. p-값을 정렬합니다: $\pi_{(1)} \leq \dots \leq \pi_{(d)}$.
3. 다음을 만족하는 가장 큰 인덱스 $\ell$을 결정합니다:
   $$\pi_{(k)} \leq \frac{k}{d} \frac{\alpha_n}{\sum_{l=1}^d l^{-1}}$$
4. 첫 번째 $\ell$개 공변량에 대한 귀무가설을 기각합니다. 선택된 집합 $\hat{I}$는 이러한 기각된 가설의 인덱스로 구성됩니다.

D. 일관성 조건

이 방법은 특정 조건 하에서 일관성이 있음이 증명되었습니다 (즉, $n \to \infty$일 때 $P(\hat{I} = I_0) \to 1$):

• 조건 (C1): 추정량의 점근 분산은 표본 크기에 비해 충분히 빠르게 감소해야 합니다 ($\sigma_{kk} < n/\log(n)$).
• 신호 강도: 유의수준 $\alpha_n$은 표본 크기가 증가함에 따라 특정 비율로 0 으로 감소해야 합니다 ($\alpha_n = o(e^{-cn})$). 이를 통해 신호 강도가 약간 감소하더라도 이 방법은 진정한 신호를 잡음과 구별할 수 있습니다.

3. 주요 기여

1. 이론적 일관성: 본 논문은 FDR 통제에 기반한 변수 선택 규칙이 GARCH-X 모델에 대해 일관성이 있음을 증명하는 최초의 공식적 증명을 제공합니다. 이는 점근적으로 공변량의 진실된 집합을 복원함을 보장합니다.
2. 제약 조건 처리: 방법론은 GARCH 매개변수의 비음수 제약을 명시적으로 고려하여, 표준 정규 근사 대신 p-값 계산을 위해 올바른 카이 - 바 - 제곱 분포를 활용합니다.
3. 계산적 효율성: 모든 부분집합에 대한 포괄적 탐색을 피하고 스텝 - 업 FDR 절차를 사용함으로써, 이 방법은 공변량의 수에 따라 효율적으로 확장됩니다.
4. 신호 감쇠에 대한 강건성: 이론적 프레임워크는 "감소하는 신호 강도"를 허용합니다. 즉, 관련 공변량의 효과 크기가 표본 크기가 증가함에 따라 작아지더라도 감쇠가 너무 빠르지 않다면 이 방법이 작동함을 의미합니다.

4. 결과

A. 몬테카를로 시뮬레이션

저자들은 네 가지 시나리오에 걸쳐 광범위한 시뮬레이션을 수행했습니다:

• 시나리오 1 및 2: 독립적이고 지수적으로 감소하는 상관 공변량을 가진 GARCH(1,1)-X.
• 시나리오 3 및 4: 독립적이고 상관된 공변량을 가진 GARCH(2,1)-X.
• 분포: 두꺼운 꼬리에 대한 강건성을 테스트하기 위해 오차를 정규분포, Student's $t$ (자유도 5 및 7) 에서 생성했습니다.
• 표본 크기: $n = 500, 1000, 5000, 10000$.

주요 발견:

• 정확도: 표본 크기가 증가함에 따라 이 방법은 관련 공변량을 1 에 가까운 확률로 정확하게 식별했습니다. $n=5000$ 및 $n=10000$의 경우, 진실된 공변량에 대한 선택률은 거의 100% 였으며, 관련 없는 공변량에 대한 오선택률은 무시할 수 있을 정도로 낮았습니다 (< 5%).
• 강건성: 이 방법은 두꺼운 꼬리 분포 (Student's $t$) 하에서도 잘 작동했으나, 정규 분포 사례에 비해 수렴 속도가 약간 느렸습니다.
• 모델 선택 기준: 제안된 방법으로 선택된 모델은 더 큰 표본 크기에서 "전체 모델"(모든 공변량 포함) 과 "영 모델"(공변량 없음) 에 비해 일관되게 더 낮은 (더 나은) BIC 및 AIC 값을 달성하여, 간결성과 적합도 사이의 최적 균형을 보여주었습니다.

B. 실증 데이터 적용: S&P 500 변동성

이 방법은 9 개의 외생 공변량 (NASDAQ, 다우존스, 원유, 천연가스, 금, 팔라듐, 쌀, 철강, 밀) 을 사용하여 일일 S&P 500 수익률 (2000 년 1 월 – 2025 년 5 월) 에 적용되었습니다.

• 선택 결과: 0.05 조정 유의수준에서 절차는 NASDAQ와 원유를 유일한 통계적으로 유의한 요인으로 선택했습니다. 철강은 경미하게 유의했습니다.
• 모델 비교:
  • 선택된 모델(NASDAQ + 원유)의 BIC 는 141,721.2, AIC 는 141,689.4 였습니다.
  • 전체 모델(모든 9 개 공변량)은 더 높은 BIC(141,792.3) 와 AIC(141,715.9) 를 보여 과적합을 나타냈습니다.
  • 영 모델(공변량 없음)은 AIC 측면에서 선택된 모델보다 성능이 낮아, 외부 요인이 설명력을 추가한다는 것을 확인시켜 주었습니다.
• 결론: 선택된 모델은 불필요한 복잡성 없이 시장 심리 (NASDAQ) 와 에너지/인플레이션 충격 (원유) 을 포착하여 S&P 500 변동성에 대한 더 간결하고 해석 가능한 설명을 제공했습니다.

5. 의의

이 논문은 변동성 모델링에서 변수 선택을 위한 엄격하고 이론적으로 근거 있으며 계산적으로 실현 가능한 도구를 제공함으로써 금융 계량경제학의 중요한 간극을 메웁니다.

• 실용적 유용성: 연구자와 실무자가 시장 변동성을 실제로 주도하는 거시경제 또는 금융 지표를 객관적으로 식별하고, 사용 가능한 모든 데이터를 포함하는 "주방 싱크대" 접근법을 피할 수 있게 합니다.
• 이론적 발전: FDR 통제의 적용을 회귀 맥락에서 복잡한 매개변수 제약을 가진 비선형 이분산성 시계열 모델로 확장합니다.
• 리스크 관리: 변동성의 진실된 원동력을 식별함으로써, 특히 외생적 요인이 가장 큰 영향을 미치는 시장 스트레스 기간에 가치-at-리스크 (Value-at-Risk) 와 같은 리스크 관리 도구 및 자산 가격 결정 모델의 정확도를 향상시킵니다.