확률코퓰러모형에 대한 베이지언 추론 = Bayesian Inference for Stochastic Copula Models

다국어 초록 (Multilingual Abstract)

We proposes a new Bayesian MCMC algorithm for dynamic stochastic copula models with dependence parameters as unobserved state variables and presents the performance of the proposed MCMC algorithm through simulations. Our MCMC algorithm draws the state variables with an acceptancerejection Metropolis-Hastings algorithm using the candidate generating probability density function obtained by approximating the probability density function of the observed variables to the normal distribution of the dependence parameter.As an empirical example,weanalyzedthe stochasticcopulamodels for the KOSPI index and the HSCE index (Hang Seng China enterprise index) returnsfromJanuary3,2003toDecember30,2014usingtheproposedalgorithm. The Bayesian inference and model comparison results of the stochastic copula models of Gaussian copula, Student t-copula, Clayton copula, Frank copula, rotated Gumbel copula, and Plackett copula showed that Student t-copula model couldbeselectedasthebestmodel.Thesemodelcomparisonsresultsimplythat even though Gaussian stochastic copula model can capture ’near asymptotic dependence’, there may exist extreme tail dependence that can not be captured by the Gaussian stochastic copula model.

국문 초록 (Abstract)

본 연구는 연관성 파라미터를 미관측 상태변수로 가지는 확률코 퓰러모형에 대한 베이지언 MCMC알고리듬을 제안하고, 시뮬레이션을 통해 본 연구에서 제안한 MCMC알고리듬의 성과를 제시한다. 본 연구의 MCMC 알고리듬은 관측치의 확률밀도함수를 연관성 파라미터의 정규분포로 근사하 여 얻어지는 후보생성확률밀도함수를 이용하는 ARMH알고리듬(acceptancerejection Metropolis-Hastings algorithm)으로 상태변수를 사후표본추출 한다. 또한 본 연구에서 제안한 알고리듬을 이용하여 2003년 1월 3일 ˜ 2014년 12 월 30일 기간의 KOSPI지수와 HSCE지수(Hang Seng China enterprise index) 수익률 일간자료에 대한 확률코퓰러모형을 실증분석 하였다. 가우시언코퓰 러, 코퓰러, Clayton코퓰러, Frank코퓰러, 회전Gumbel코퓰러, Plackett코퓰러 의 확률코퓰러모형에 대한 베이지언 추정과 모형 비교 결과, 코퓰러모형이 가 장 좋은 모형으로 선택되는 실증분석 결과를 얻었다. 이러한 모형 비교 결과는 가우시언확률코퓰러모형이 ‘near asymptotic dependence’를 포착할 수 있음에 도 가우시언확률코퓰러모형이 포착할 수 없는 극단적인 꼬리 연관성이 남아 있을 수 있음을 의미한다.

참고문헌 (Reference)

1 Bedford, T., "Vines-a new graphical model for dependent random variables" 30 : 1031-1068, 2002

2 Chib, S., "Understanding the Metropolis-Hasting Algorithm" 49 : 327-335, 1995

3 Ausin, M.C., "Time-varying joint distribution through copulas" 54 : 2383-2399, 2010

4 Aas, K., "Pair-copula constructions of multiple dependence" 44 : 182-198, 2009

5 Bauwens, L., "Multivariate GARCH models : a survey" 21 : 79-109, 2006

6 Chib, S., "Marginal Likelihood From the Metropolis Hastings Output" 96 : 270-281, 2001

7 Ang, A., "International asset allocation with regime shifts" 15 : 1137-1187, 2002

8 Andrews, D. W. K., "Heteroskedasticity and autocorrelation consistent covariance matrix estimation" 59 : 817-858, 1991

9 Abramowitz, M., "Handbook of Mathematical Functions:With Formulas, Graphs, and Mathematical Tables" Dover Publications 1970

10 Almeida, C., "Efficient Bayesian inference for stochastic time-varying copula models" 56 : 1511-1527, 2012

11 Cherubini, G., "Dynamic Copula Method in Finance" Wiley and Sons Ltd 2012

12 Berg, A., "Deviance Information Criterion for Comparing Stochastic Volatility Models" 22 : 107-120, 2004

13 Cherubini, G., "Copula methods in Finance" John Wiley and Sons Ltd 2004

14 Bauwens, L., "Bayesian inference on GARCH models using the Gibbs sampler" 1 : C23-C46, 1998

15 Ang, A., "Asymmetric correlations of equity portfolios" 63 : 443-494, 2002

16 Carpenter, J., "An improved particle filter for non-linear problems" 146 : 2-7, 1999

17 Cappe, O., "An Overview of Existing Methods and Recent Advances In Sequential Monte Carlo" 95 : 899-924, 2007