DCC 모형에서 동태적 상관계수 추정법의 효율성 비교

Abstract

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. We compare the performance of two representative estimation methods for the dynamic conditional correlation (DCC) GARCH model. The first method is the pairwise estimation which exploits partial information from the paired series, irrespective to the time series dimension. The second is the multi-dimensional estimation that uses full information of the time series. As a simulation for the comparison, we generate a multivariate time series similar to those observed in real markets and construct a DCC GARCH model. As an empirical example, we constitute various portfolios using real KOSPI 200 sector indices and estimate volatility and VaR of the portfolios. Through the estimated dynamic correlations from the simulation and the estimated volatility and value at risk (VaR) of the portfolios, we evaluate the performance of the estimations. We observe that the multi-dimensional estimation tends to be superior to pairwise estimation; in addition, relatively-uncorrelated series can improve the performance of the multi-dimensional estimation.