• 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.1001-1012
• /
• 2016

대기오염물질이 인간의 건강에 악영향을 미치는 사실은 잘 알려져 있다. 유엔 환경 계획 (united nations environment program; UNEP) 보고서에 따르면, 미세먼지와 일산화탄소 오염물질로 연간 전 세계에서 430만 명이 목숨을 잃었다. 일산화탄소는 탄소와 산소로 구성된 화합물로 가정에서 생성되는 독성 가스 중 가장 위험한 가스이다. 연구를 위하여 2004년부터 2013년까지 10년간 대구 경북 지역의 대기오염관측소에서 관측된 1시간, 6시간, 12시간, 24시간 평균 일산화탄소 농도 자료를 사용하였다. 일반화 극단치 분포의 모수는 최우추정법과 L-적률추정법을 통해 추정하였고 적합도 검정을 수행하였다. 본 연구의 표본 수가 크지 않으므로 L-적률추정법이 최대우도법에 비해 모수추정에 적합하였다. 또한, 5년, 10년, 20년, 40년 재현수준을 추정하여 대구 경북 지역 일산화탄소 위험지역을 살펴보았다.

• 응용통계연구
• /
• 제23권3호
• /
• pp.471-485
• /
• 2010

금융위험의 위험관리를 위한 도구로서 현재 VaR가 널리 이용되고 있다. VaR의 측정은 사용의 편리상 정규분포를 가정하여 이루어져 왔으나 좀 더 정확한 VaR의 산출을 위해 최근 극단치이론을 이용한 추정방법이 관심을 끌고 있다. 지금까지 극단치이론을 이용하여 VaR의 추정을 위한 확률모형에는 주로 GEV모형과 GPD모형이 사용되고 있다. 본 논문에서는 기존의 EV모형이 갖는 문제점들을 극복하고 좀 더 정확한 VaR를 측정하기위한 노력으로 PP모형을 제시하였다. PP모형은 확률과정의 관점에서 GEV모형과 GPD모형을 포괄하는 모형으로서 기존의 EV모형을 일반화시키는 모형이라고 할 수 있다. PP모형이 기존의 정규분포와 두 EV모형에 비해 VaR추정의 성과가 우수함을 실증분석을 통해 보여주었다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.483-494
• /
• 2013

국제적인 금융위기가 연달아 발생하면서, 금융리스크관리의 중요성이 어느 때보다 더 커지고 있다. 금융리스크관리의 주요 현안 가운데 하나는 리스크를 어떻게 측정할 것인가이며, 가장 널리 사용되고 있는 방법이 Value at Risk(VaR)이다. 금융자료가 최근 시장에서처럼 두꺼운 꼬리를 갖는 분포를 보일 때, 우리는 극단치 이론을 이용하여 VaR를 측정하는 방법을 고려할 수 있다. 이 논문에서는 꼬리가 매우 두꺼운 분포를 갖는 자료를 적합시킬 때 많이 사용되는 Peaks over Threshold(POT)를 이용하여 VaR를 측정하는 방법을 연구하였다. POT를 이용하기 위해서는 우선 일반화 파레토 분포(GPD)의 모수를 추정해야 하는데, 여기서 우리는 KOSPI 5분 자료를 이용하여 추정된 VaR의 성능을 살펴봄으로써 세 가지 다른 모수추정 방법을 비교하였다. 또한, Normal Inverse Gaussian(NIG) 분포에서 자료를 생성하여 두 가지 다른 모수추정 방법을 비교하기도 하였다. 이러한 비교를 통하여 KOSPI 수익률 자료의 첨도가 매우 큰 경우에는 최근 제안된 모수추정 방법들이 최대가능도 추정법에 비해 월등히 나은 성능을 보임을 알 수 있었고, 모의실험 자료에서도 같은 결과를 확인하였다.