사후검증(Back-testing)을 통한 다변량-GARCH 모형의 평가: 사례분석

황선영,최문선,도종두,Hwang, S.Y.,Choi, M.S.,Do, J.D. 한국통계학회 2009 응용통계연구 Vol.22 No.2

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. Current financial crisis triggered by shaky U.S. banking system adds to the emphasis on the importance of the volatility in controlling and understanding financial time series data. The ARCH and GARCH models have been useful in analyzing economic time series volatilities. In particular, multivariate GARCH(MGARCH, for short) provides both volatilities and conditional correlations between several time series and these are in turn applied to computations of hedge-ratio and VaR. In this short article, we try to assess various MGARCH models with respect to the back-testing performances in VaR study. To this end, 14 korean stock prices are analyzed and it is found that MGARCH outperforms rolling window, and BEKK and CCC are relatively conservative in back-testing performance.

금융 및 특수시계열 모형의 조망

황선영,Hwang, S.Y. 한국통계학회 2016 응용통계연구 Vol.29 No.1

금융시계열은 일반 시계열과는 차별적으로 stylized facts로 불리는 특징을 가지고 있다. 이 특징들은 급첨 성질, 비정규분포, 변동성 집중 및 비대칭성을 포함한다. 이러한 특징들을 설명하기 위해서는 기존의 선형 ARMA 모형에서 벗어난 특수한 모형이 필요하게 되었다. 본 논문은 변동성 모형인 GARCH 형태의 모형을 중심으로 특수 금융시계열 모형들을 소개하고 연관된 통계적 이슈들에 대해 가능한 최근 연구를 중심으로 폭 넓게 조망하고 있다. Contrasted with the standard linear ARMA models, financial time series exhibits non-standard features such as fat-tails, non-normality, volatility clustering and asymmetries which are usually referred to as "stylized facts" in financial time series context (Terasvirta, 2009). We are accordingly led to ad hoc models (apart from ARMA) to accommodate stylized facts (Andersen et al., 2009). The paper aims to give a contemporary overview on financial and special time series models based on the recent literature and on the author's publications. Various models are illustrated including asymmetric models, integer valued models, multivariate models and high frequency models. Selected statistical issues on the models are discussed, bringing some perspectives to the future works in this area.

자바를 이용한 인터넷 기반 유한요소 프로그래밍

황선영(S.Y.Hwang),조종두(C.D.Cho) 한국정밀공학회 2001 한국정밀공학회 학술발표대회 논문집 Vol.2001 No.10월

조영초음파를 이용한 혈류측정기기의 안전성 및 성능 평가기술 연구

박수강(S. K. Park),황선영(S. Y. Hwang),전소혜(S. H. Jeon),안효진(H. J. An) 한국재활복지공학회 2015 한국재활복지공학회 학술대회논문집 Vol.2015 No.11

SMiLE : 다단 논리 최적화 시스템

임춘석(C S Lim),김태선(T. S Kim),황선영(S Y Hwang) 한국정보과학회 1990 한국정보과학회 학술발표논문집 Vol.17 No.2

본 논문에서는 다단 논리 최적화 알고리즘의 설계와 이에 바탕을 두어 구현한 SMiLE 시스템에 대하여 기술한다. SMiLE은 Sogang Silicon Complier 설계 환경하에 high-level synthesis 과정에 출력한 SLIF의 netlist 형태와 Berkeley대학의 equation 형태를 입력으로 하여 최적화된 논리 회로를 출력한다. MCNC benchmarks에 대한 실험결과 최근 가장 널리 사용되는 MIS에 비교하여 comparable한 결과 보였다. 기술 독립적(technology-independent)인 최적화를 위하여 알고리즘적 접근 방식을 택한 SMILE 시스템에 구현된 전체 최적화, 부분 최적화 과정에 대해 설명한다.

지속-변동성을 가진 비대칭 TGARCH 모형을 이용한 국내금융시계열 분석

홍선영,최성미,박진아,백지선,황선영,Hong, S.Y.,Choi, S.M.,Park, J.A.,Baek, J.S.,Hwang, S.Y. 한국통계학회 2009 Communications for statistical applications and me Vol.16 No.4

본 논문에서는 금융시계열자료를 분석하는데 있어서 비대칭 변동성과 지속성효과를 가지는 시계열 자료에 적합한 모형인 I-TGARCH를 제시하였다. 국내 금융시계열 자료를 바탕으로 I-TGARCH의 적합성을 검증하기 위해 기존연구에서 많이 쓰이고 있는 TGARCH, IGARCH, EGARCH 모형과 함께 분석하여 비교하였다. 그 결과, I-TGARCH모형이 경제 위기의 영향으로 변동성이 커진 현재의 주가 분석에 적합하다는 사실을 알 수 있었다. 특히, 비대칭적 변동성의 특징을 관찰하기 위해 News impact curve를 이용해서 호재와 악재에 다르게 반응하는 주가변동에 대해서 알아본 결과, 대부분의 주가변동이 비대칭적인 경향을 보이고 있다는 사실을 관찰했다. 또한, 실제 일별수익율 데이터를 I-TGARCH 모형에 적합시키고 모형이 얼마나 효율적인지를 검정하였다. I-TGARCH의 적합성을 검증하기 위해 VaR의 사후검정을 이용하였다. 그 결과 대부분의 금융시계열이 I-TGARCH가 다른 비교모형 보다 우수하거나 비슷한 것으로 검증되었다. 이는 변동성의 비대칭성을 고려한 TGARCH에서 지속-변동성 효과(persistent effect) 또한 존재할 수 있다는 사실을 금융시계열자료를 통해 알 수 있었다. TGARCH models characterized by asymmetric volatilities have been useful for analyzing various time series in financial econometrics. We are concerned with persistent volatility in the TGARCH context. Park et al. (2009) introduced I-TGARCH process exhibiting a certain persistency in volatility. This article applies I-TGARCH model to various financial time series in Korea and it is obtained that I-TGARCH provides a better fit than competing models.

DCC 모델링을 이용한 다변량-GARCH 모형의 분석 및 응용

최성미,홍선영,최문선,박진아,백지선,황선영,Choi, S.M.,Hong, S.Y.,Choi, M.S.,Park, J.A.,Baek, J.S.,Hwang, S.Y. 한국통계학회 2009 응용통계연구 Vol.22 No.5

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. Conditional correlation between financial time series plays an important role in risk management, asset allocation and portfolio selection and therefore diverse efforts for modeling conditional correlations in multivariate-GARCH processes have been made in last two decades. In particular, CCC (cf. Bollerslev, 1990) and DCC(dynamic conditional correlation, cf. Engle, 2002) models have been commonly used since they are relatively parsimonious in the number of parameters involved. This article is concerned with DCC modeling for multivariate GARCH processes in comparison with CCC specification. Various multivariate financial time series are analysed to illustrate possible advantages of DCC over CCC modeling.

고빈도 금융 시계열 실현 변동성을 이용한 가중 융합 변동성의 가중치 선택

윤재은,황선영,Yoon, J.E.,Hwang, S.Y. 한국통계학회 2016 응용통계연구 Vol.29 No.3

본 연구에서는 금융시계열의 일간 변동성 측정을 위해 가중 융합 방법을 제안하고 있다. 고빈도(high frequency)자료에 기반을 둔 조정된 실현변동성을 계산하고 이를 참 값으로 간주하여 제안된 가중 융합 변동성에서 최적 가중치를 결정하는 과정을 서술하였다. 국내 KOSPI200자료의 1분 단위 고빈도 주가로부터 조정된 실현변동성을 구한 후 최적의 가중 융합 변동성을 제안해 보았다. The paper is concerned with high frequency financial time series. A weighted hybrid volatility is suggested to compute daily volatilities based on high frequency data. Various realized volatility (RV) computations are reviewed and the weights are chosen by minimizing the differences between the hybrid volatility and the realized volatility. A high frequency time series of KOSPI200 index is illustrated via QLIKE and Theil-U statistics.

Absolute-Value-GARCH 모형을 이용한 국내 금융시계열의 Taylor 성질에 대한 사례연구

백지선,황선영,최문선,Baek, J.S.,Hwang, S.Y.,Choi, M.S. 한국통계학회 2010 응용통계연구 Vol.23 No.1

금융시계열 변동성의 의존성(dependency)은 멱변환된 절대수익률의 자기상관함수를 이용하여 측정할 수 있다. 이때, 절대수익률의 자기상관이 제곱수익률의 자기상관보다 더 강하게 나타나는 성질을 Taylor 성질이라고 한다. 본 논문에서는 여러 가지 국내 금융시계열 자료에 대하여 absolute-value GARCH(1,1)(AVGARCH(1,1)) 모형을 적합하고, Haas (2009)가 제안한 방법을 이용하여 Taylor 성질의 존재여부에 대하여 살펴보았다. The time series dependencies of Financial volatility are frequently measured by the autocorrelation function of power-transformed absolute returns. It is known as the Taylor property that the autocorrelations of the absolute returns are larger than those of the squared returns. Hass (2009) developed a simple method for detecting the Taylor property in absolute-value-GAROH(1,1) (AVGAROH(1,1)) model. In this article, we fitted AVGAROH(1,1) model for various Korean financial time series and observed the Taylor property.

비대칭형 분계점 실현변동성의 제안 및 응용

김지연,황선영,Kim, J.Y.,Hwang, S.Y. 한국통계학회 2018 응용통계연구 Vol.31 No.2

본 논문에서는 모형 기반 GARCH 변동성, 실현변동성(realized volatility; RV), 역사적 변동성(historical volatility), 지수가중이동평균(exponentially weighted moving average; EWMA) 등 다양한 변동성 추정 방법을 소개하고, 실현변동성에 비대칭 효과(leverage effect)를 반영한 분계점 실현변동성(threshold-asymmetric realized volatility; T-RV)을 제안하였다. 또한, 예시를 위해 KOSPI 고빈도 수익률 자료의 변동성을 분석하였다. This paper is concerned with volatility computations for high frequency time series. A threshold-asymmetric realized volatility (T-RV) is suggested to capture a leverage effect. The T-RV is compared with various conventional volatility computations including standard realized volatility, GARCH-type volatilities, historical volatility and exponentially weighted moving average volatility. High frequency KOSPI data are analyzed for illustration.