금융 위험 이론에 기반한 Gumbel 분포의 새로운 꼬리 민감형 적합도 검정

다국어 초록 (Multilingual Abstract)

In statistics, the Gumbel distribution is a key tool for modeling extreme values across diverse fields such as finance, hydrology, and engineering. However, existing tests for verifying the goodness-of-fit of the Gumbel distribution, such as the Kolmogorov-Smirnov (K-S) or Anderson-Darling (A-D) tests, are omnibus tests. Omnibus tests measure overall misfit across the entire distribution, resulting in low sensitivity in the sparse tail regions of the data. This leads to a significant problem where extreme risk can be underestimated. Therefore, this study proposes two new tail-sensitive goodness-of-fit test statistics—Expected Shortfall Discrepancy (ESD) and Tail Concentration Ratio (TCR)—based on financial risk management theory where the Gumbel distribution is actively applied, aiming to overcome these limitations. ESD measures the standardized difference between the empirical expected loss (Empirical ES) of the data and the theoretical expected loss (Theoretical ES) of the Gumbel model to verify the average tail size. TCR splits the tails into near and far tails and verifies the tail shape and concentration using a chi-squared test that compares the observed frequency of each interval to the theoretical expected frequency. Monte Carlo simulation results show that the proposed ESD and TCR tests exhibit significantly higher power than existing K-S and A-D tests for alternative distributions with heavier tails than the Gumbel distribution. Furthermore, in an analysis using actual S&P 500 monthly maximum loss data, the K-S and A-D tests failed to reject the Gumbel distribution at the 0.05 significance level. However, the proposed ESD and TCR tests revealed that the Gumbel model significantly underestimates tail risk and rejected the null hypothesis at the 0.05 significance level. This study demonstrates that specialized verification for the tail region is essential to ensure the reliability of extreme value modeling and presents ESD and TCR as practical alternatives that address the shortcomings of existing testing methods.

국문 초록 (Abstract)

통계학에서 Gumbel 분포는 금융, 수문학, 공학 등 다양한 분야에서 극단값(Extreme value)을 모델하는 핵심 도구이다. 하지만 Gumbel 분포의 적합도를 검증 하는 기존의 Kolmogorov-Smirnov(K-S) 또는 Anderson-Darling(A-D) 검정은 옴니버스(Omnibus) 방식이다. 옴니버스 방식은 분포 전반의 불일치를 측정하므로 데이터가 희소한 꼬리(tail) 영역의 민감도가 낮다. 이는 극단적 위험을 과소평가할 수 있는 중대한 문제로 이어진다. 따라서 본 연구는 이러한 한계를 극복하고자 Gumbel 분포가 활발히 적용되는 금융 위험 관리 이론에 기반하여 두 가지 새로운 꼬리 민감형(tail-sensitive) 적합도 검정통계량인 기대 손실 불일치(ESD)와 꼬리 집중도 비율(TCR)을 제안한다. ESD는 데이터의 경험적 기대 손실(Empirical ES)과 Gumbel 모델의 이론적 기대 손실(Theoretical ES) 간의 표준화된 차이를 측정하여 꼬리의 평균적 크기를 검증한다. TCR은 꼬리를 가까운 꼬리와 먼 꼬리로 분할하고, 각 구간의 관측 빈도를 이론적 기대 빈도와 비교하는 카이제곱 형태의 검정으로 꼬리의 모양과 집중도를 검증한다. 몬테카를로 시뮬레이션 결과, 제안한 ESD와 TCR 검정은 Gumbel 보다 무거운 꼬리를 갖는 대안 분포에 대해 기존 K-S, A-D 검정보다 훨씬 높은 검정력은 보였다. 또한, 실제 사례 분석에서 S&P 500 월별 최대 손실 데이터를 이용한 분석에서는 K-S, A-D 검정은 유의수준 0.05 기준에서 Gumbel 분포를 기각하지 못했다. 하지만 제안한 ESD와 TCR 검정은 Gumbel 모델이 꼬리 위험을 유의미하게 과소평가하고 있음을 밝혀내고 유의수준 0.05 기준에서 귀무가설을 유의수준 기각했다. 본 연구는 극단값 모델링의 신뢰성 확보를 위해 꼬리 영역에 특화된 검증이 필수적임을 실증하며, ESD와 TCR이 기존 검정 방식의 허점을 보완하는 실질적인 대안을 제시한다.