• Communications for Statistical Applications and Methods
• /
• 제5권1호
• /
• pp.177-191
• /
• 1998

Hamilton(1989)은 시계열 변수가 2가지 이상의 국면을 가지고 있을 때, 현재 어떤 국면이 진행되고 있고 향후 진행될 국면이 무엇일까에 대해 추론이 가능한 시계열모형을 소개하였다. Hamilton모형은 시계열이 2개의 독립적인 관찰불가능한 변수의 합으로 구성되어 있고, 이중 한 변수는 2국면 마르코프 확률과정(2-State Markov Stochastic Process)을 따른다고 가정한다. Hamilton모형은 계수의 추정이 단순하면서도 비 대칭성과 조건부 이분산 등과 같은 복잡한 동학(Dynamics)을 용인한다는 장점이 있다(Lam, 1990). 본 연구에서는 마르코프 국면전환모형에 대해 설명한후, 사례분석으로 KOSPI와 금리의 추이에 따라 국면을 정의하여 각 국면의 특징과 타국면과의 연관성 등을 분석하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권4호
• /
• pp.843-851
• /
• 2017

로보어드바이저 서비스 제공업체가 금융시장에서 거래되는 ETF를 주력 투자대상으로 집중하고 있다. 이처럼 ETF가 활성화되고 있지만 ETF 위험관리에 관한 연구들은 이뤄지지 않고 있는 상태이다. 본 연구는 변동성의 구조적 변화를 반영한 ETF 손실추정과 ETF 위험관리모형을 평가하였다. 결합 검증통계량 분석결과, GARCH와 마르코프 국면전환 GARCH모형이 시장위험을 적절하게 나타내 주었다. 특히 마르코프 국면전환 GARCH모형이 GARCH모형에 비해 낮은 위반율을 보일뿐 아니라 초과발생들이 독립적이기 때문에 마르코프 국면전환 GARCH모형이 GARCH모형에 비해 좀 더 ETF VaR에 권고될 수 있다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.85-100
• /
• 2023

Stochastic volatility (SV) 모형은 시변 변동성을 모델링하는 주요한 수단 중 하나이며, 특히 금융시장 변동성의 추정 및 예측, 옵션의 가격 결정 등의 분야에서 활발하게 사용되고 있다. 본 논문은 SV 모형을 활용하여 비트코인 시장의 시변 변동성을 모델링하고자 한다. 시장의 변동성은 국면 전환의 특성을 갖고 있다고 알려져 있으며, 시장의 변동 국면을 나누기 위해 시계열의 패턴을 인식하는 작업에 유용한 hidden Markov model(HMM)을 결합하여 사용하고자 한다. 본 연구는 암호화폐 거래 사이트 업비트의 비트코인 데이터를 활용하여 비트코인의 변동성 모형을 추정하였으며 SV 모형의 성능을 높이기 위하여 시장의 변동 국면을 나누어 분석을 진행하였다. MCMC 기법이 SV 모델의 모수를 추정하는 데 사용되며 MAPE, MSE 등의 평가 기준을 통하여 모델의 성능을 확인하고자 한다.