다변량 확산 시스템 파라미터 추정

초록

본 논문은 누적량 절단(cumulant truncation)과 안장점(saddlepoint) 근사를 결합해 다변량 확산 과정의 전이밀도와 우도함수를 근사한다. 제안 방법은 Hermite 전개와 비교해 정확도가 높고, 샘플링 간격이 커져도 안정적이며, MCMC와 자연스럽게 연계돼 파라미터 추정과 신뢰구간 제공이 가능하다. 실증적으로 Heston 모델을 S&P 500과 VIX 일일 데이터에 적용하였다.

상세 분석

이 연구는 확산 과정의 전이확률밀도(transitional density)를 직접 구할 수 없는 상황에서, 누적량(truncated cumulant) 방식을 이용해 순간적인 누적량(평균, 공분산, 고차 누적량)을 시간에 따라 전진적으로 예측한다는 핵심 아이디어를 제시한다. 누적량은 확산 방정식의 모멘트 방정식으로부터 유도되며, 차수를 제한함으로써 계산 복잡도를 제어한다. 이렇게 얻어진 누적량을 기반으로 안장점 근사법을 적용하면, 누적량의 생성함수의 안장점을 찾아 로그특성함수의 라그랑주 승수를 구함으로써 전이밀도의 로그밀도를 고차 정확도로 근사할 수 있다. 안장점 근사는 기존의 Hermite 전개와 달리 전이밀도의 꼬리 부분에서도 수렴성을 유지하며, 특히 샘플링 간격(시간 lag)이 커질수록 Hermite 전개의 발산 문제가 두드러지는 반면, 안장점은 상대적으로 안정적인 근사값을 제공한다.

또한, 파라미터 공간 전역에서 로그우도 함수의 형태가 부드럽게 유지되므로, MCMC 샘플링 시 수렴 속도와 혼합성이 향상된다. 논문은 이론적 정당성을 뒷받침하기 위해, 다변량 확산 시스템이 비가역적(irreducible)이고, 드리프트와 확산 행렬이 일반적인 비선형 형태를 가질 때도 적용 가능함을 증명한다. 실험에서는 2차원 Heston 변동성 모델을 선택해, 일일 S&P 500 지수와 VIX 옵션 변동성 지수를 동시에 추정하였다. 결과는 기존 최대우도 추정법과 비교했을 때, 파라미터 추정치와 신뢰구간이 유사하거나 더 좁으며, 특히 변동성 평균 회귀 속도와 장기 평균 수준 추정에서 안장점 기반 MCMC가 더 일관된 결과를 보여준다.

이러한 장점에도 불구하고, 누적량 절단 차수를 어떻게 선택하느냐에 따라 근사의 정확도가 달라질 수 있다. 차수를 과소 설정하면 중요한 비선형 효과가 손실되고, 과대 설정하면 수치적 불안정성이 발생한다. 따라서 실무 적용 시 사전 시뮬레이션을 통한 차수 최적화가 필요하다. 전반적으로, 누적량 절단‑안장점 결합은 다변량 확산 모델의 파라미터 추정에 있어 계산 효율성과 정확성을 동시에 만족시키는 강력한 도구로 평가된다.