• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.959-967
• /
• 2016

자산의 수익에 대한 분포 가정은 파생 상품의 가치 평가에 매우 중요한 역할을 한다. Elberlein과 Keller (1995)는 오랜 기간에 걸친 주식 자료를 바탕으로 혼합 자산의 분포에 대한 다양한 검정을 수행한 결과, 정규성 가정이 만족되지 않음을 확인한 바 있으며, 일반화 쌍곡분포가 보다 현실을 잘 반영하는 모형임을 확인하였다. 또한, Hu와 Kercheval (2007)은 6년간의 S&P500 지수의 분석에서 정규분포는 VaR (value at risk)을 과소 추정하는 반면, 일반화 쌍곡분포는 잘 적합함을 확인하였다. 일반화 쌍곡분포는, Barndorff-Nielsen (1977)이 처음 소개한 분포로, 첨도가 큰 특징을 가지는 금융 자료의 적합에 유용한 분포이다. 본 연구에서는 일반화 쌍곡분포를 모분포로 하는 선형 포트폴리오의 위험측도를 추정한다. 위험측도로는 VaR과 ES (expected shortfall)를 고려하였으며, 추정 방법으로는 안장점근사를 사용하였다. 안장점근사는 소표본에서도 정확한 근사를 제공하는 근사법으로 알려져 있다. 모의실험을 통해 위험측도에 대한 안장점근사의 정도가 매우 우수함을 확인하였다.

• 응용통계연구
• /
• 제25권1호
• /
• pp.29-43
• /
• 2012

주식, 환율 등과 같은 금융자료의 수익률의 분포는 정규분포에 비해 꼬리가 두껍고, 좌우 비대칭성을 보인다. 조건부수익률이 정규분포를 따른다고 가정한 GARCH 모형을 이용하여 VaR을 추정하였을 때, 이러한 비정규성 때문에 적절한 추정이 이루어지지 않고, VaR을 초과하는 손실의 발생과정에 군집(clustering)현상이 발생하는 문제점이 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 조건부수익률의 분포로 unbounded Johnson 분포를 이용한 GARCH 모형을 이용하여 VaR을 추정한다. 또한, 조건부수익률이 각각 정규분포, Student-t 분포를 따르는 GARCH 모형의 경우와 비교하였다. 초과손실 발생과정 자료를 이용하여 실패율검정과 군집성검정을 통해 조건부수익률 분포로 unbounded-Johnson 분포를 사용하는 방법의 타당성을 살펴보았다. Unbounded Johnson 분포가 조건부수익률 분포로 주어지는 GARCH 모형의 경우는 과소, 과대추정을 하지 않고, 군집현상 또한 발생하지 않아 적절한 추정을 하고 있음을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1333-1343
• /
• 2014

본 연구는 일변량 금융지수의 변동성 모형에서 GARCH(1,1) 모형이 여러 복잡한 GARCH 확장 모형에 비교해서 결코 뒤쳐지지 않는다는 Hansen과 Lunde (2005) 연구를 다변량 변동성으로 확장한다. 또한 모형의 비교 방법으로 예측값에 기반한 평균제곱예측오차 (MSPE) 뿐 만 아니라 리스크 관리 측면에서 최대 손실 금액을 나타내는 VaR 및 사후 검정인 실패율을 동시에 고려하였다. 모의실험 결과 다변량 변동성의 경우에서도 GARCH 모형이 예측력은 크게 다르지는 않았으나 리스크 관리 측면에서는 좀 더 신중한 판단을 요구함을 보인다. 또한 최근 10년동안의 KOSPI, NASDAQ 및 HANG SENG의 주가 지수 실증 자료를 통하여 리스크 관리 측면에서의 다변량 GARCH 모형 선택에 대해서 논의한다.

• 응용통계연구
• /
• 제22권2호
• /
• pp.261-270
• /
• 2009

주식 수익률, 환율 등과 같은 금융 자료를 이해하는데 있어서 최근의 국제 금융위기를 통해 더욱 중요해진 이슈는 바로 변동성(volatility)이다. 변동성(조건부 이분산성)에 대한 모형은 Engle (1982)의 ARCH 모형과 Bollerslev (1986)의 GARCH 모형을 시작으로 수만은 연구가 이루어졌으며 특히 금융 시계열 분석에서는 시계열 자료들 간의 변동성을 함께 모형화 하는 MGARCH(multivariate GARCH) 모형이 널리 이용되고 있다. 추정된 MGARCH 모형들은 그 자체로서 여러 개의 변동성들 간의 시간에 따른 동적인 관계를 설명해주는 데 유용할 뿐만 아니라 추정된 (조건부)상관계수들은 hedge ratio 계산 또는 VaR 계산 등과 같이 금융시장에 대한분석에도 이용되고 있다. 본 논문에서는 국내 14개 최신 주가자료에 대한 MGARCH 분석을 수행하고 연관된 사후검증(back-testing)을 통해 MGARCH 모형들을 평가하고 있으며 사후검증 수치를 얻기 위한 S-PLUS 프로그램을 수록하였다.

• 응용통계연구
• /
• 제30권1호
• /
• pp.169-180
• /
• 2017

본 논문은 다변량 변동성을 다루고 있다. 최근 들어 활발하게 연구가 되고 있는 고빈도(high frequency)자료에 기초한 변동성 측정방법인 실현변동성을 계산하고 기존의 다변량 GARCH 모형과 비교분석하였다. 정준상관분석과 VaR분석을 이용하여 실현변동성과 다양한 다변량 GARCH 모형을 비교하였으며 최근 6년 동안의 삼성전자/현대차 거래 가격 고빈도 데이터를 이용하여 실증분석을 실시하였다.

• 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.

• 응용통계연구
• /
• 제28권5호
• /
• pp.1013-1024
• /
• 2015

본 논문에서는 다변량 DCC(dynamic conditional correlation) GARCH 모형에서 동태적 상관계수를 추정하기 위한 대표적 방법인 쌍별 추정법과 다차원 추정법의 효율성을 비교한다. 이를 위하여 금융 시장의 변동성을 반영하는 다변량 시계열을 생성하고 이에 대한 DCC GARCH 모형을 수립 및 추정하는 시뮬레이션을 실시하였다. 또한 KOSPI 200 섹터지수를 이용하여 포트폴리오를 구성하고 이의 변동성 추정 및 VaR 계산을 통하여 동태적 상관계수 추정에 대한 정확성을 평가하였다. 그 결과로서, 전반적으로 다차원 추정법이 쌍별 추정법보다 우수함을 발견하였다. 특히, 다차원 추정법에서 상대적으로 상관관계가 낮은 시계열을 추가할수록 쌍별 시계열에 대한 동태적 상관계수 추정의 정확성을 높여줌을 발견하였다.

• 한국산학기술학회논문지
• /
• 제1권1호
• /
• pp.91-100
• /
• 2000

과거 국내금융기관의 신용공여는 소수 대기업과 그들의 계열사 및 일부 업종에 집중되었기 때문에 국내금융기관은 위험이 분산된 대출포트폴리오를 소유하지 못했었다. 이번 IMF 금융위기는 다수의 부실채권을 발생시킴으로써 개별 대출에 대한 위험관리뿐만 아니라 대출들로 구성되어진 포트폴리오에 대한 위험관리가 필수적이라는 것을 보여주었다. 본 논문의 목표는 국내금융기관들이 신용위험을 분산시켜 위험-수익 측면에서 효율적인 대출포트폴리오의 관리 방안을 제시하고자 하는 것이다. 본 논문에서는 대출포트폴리오의 효율적 관리를 위하여 선진 금융기관에서 많이 사용하는 계량적 신용위험관리 기법인 KMV Model과 CreditMetrics를 소개하였다. KMV Model은 옵션가격결정모형에 근거하여 기업의 주가수준 및 변동성으로 부터 대출기업의 부도확률을 도출하고, 주가의 상관관계를 토대로 개별 대출들간에 기대수익의 상관관계를 추정한다. 따라서 금융기관은 이 모형을 이용하여 위험이 잘 분산된 효율적인 대출포트폴리오를 구할 수 있다. CreditMetrics는 대출포트폴리오의 위험노출을 계량적으로 평가하는 VaR(Value at Risk)를 구하는 것으로 신용위험으로 인한 대출포트폴리오의 가치변동에 따른 잠재적 손실을 측정하는 기법이다. 이 기법에 따르면 금융기관은 과거 경험에 근거하여 신용등급별로 신용등급의 변동확률을 파악하고, 신용등급의 변동에 따른 대출포트폴리오 가치 변동과 손실가능성을 측정할 수 있다. 이와 같이 국내금융기관은 보다 과학적이고 계량화된 위험관리 기법을 적용하여 개별 대출의 한계위험공헌도 및 대출들 상호간에 위험의 상관관계를 고려하여 신용위험을 분산시키는 대출포트폴리오 관리를 실시해야 할 것이다.

• 응용통계연구
• /
• 제22권5호
• /
• pp.995-1005
• /
• 2009

금융 시계열 자료들 간의 상관계수는 자산의 배분, 위험관리 그리고 포트폴리오의 선택에 있어서 중요한 역할을 한다. 이러한 상관계수들을 모형화하기 위해 단변량-GARCH 모형을 다변량-GARCH 모형으로 확장시킨 MGARCH류 모형들에 대한 많은 연구들이 진행되고 있다. 특히, CCC 모형 (Bollerslev, 1990)과 DCC 모형 (Engle, 2002)은 다른 모형들에 비해 추정해야 할 모수의 수가 작다는 이점으로 인해 분석에 널리 쓰이고 있다. 본 논문에서는 국내 주가자료에 대해 CCC 모형과 DCC 모형을 적합시킨 후, 각 모형들에 대한 VaR(value at risk)와 사후검증(back-testing), 결합예측영역(joint prediction region) 등을 통하여 두 모형의 예측 능력을 비교해 보고자 한다.