다변량 러프 변동성 모델과 GMM 추정법

초록

본 논문은 다변량 로그 변동성의 공동 동역학을 다변량 분수 오르니츠-웰런베르크(mfOU) 과정으로 모델링하고, GMM 기반 추정기를 제안한다. 추정기의 일관성·정규성을 증명하고 시뮬레이션과 20년 규모 실증 데이터를 통해 모델의 적합성과 교차공분산 비대칭·스필오버 효과를 확인한다.

상세 분석

이 연구는 기존의 단변량 러프 변동성 모델(Rough Fractional Stochastic Volatility)을 다변량으로 확장한 점에서 학문적 의의가 크다. 핵심은 다변량 분수 브라운 운동(mfBm)을 구동력으로 하는 다변량 분수 오르니츠‑웰런베르크(mfOU) 과정을 정의하고, 각 성분마다 서로 다른 허스트 지수(Hurst exponent)를 허용함으로써 개별 자산의 ‘거칠기’를 정교히 포착한다. mfBm의 두 매개변수 ρ와 η는 각각 순간 상관관계와 시간 비가역성(비대칭)을 제어한다. η가 0이면 교차공분산이 대칭이지만, η≠0이면 k‑시차에 따라 γ_{i,j}(k)≠γ_{j,i}(k)라는 비대칭이 발생한다. 이는 실증적으로 관측되는 변동성 스필오버 현상을 이론적으로 설명하는 메커니즘이 된다.

모델식(1)에서 각 성분 Y_i(t)는 평균 회귀 속도 α_i, 장기 평균 μ_i, 확산계수 ν_i, 그리고 mfBm의 i번째 성분 W^{H_i}_t 로 구성된다. 정적 해(2)는 무한히 과거의 fOU 적분 형태이며, 이는 장기 메모리와 동시에 평균 회귀 효과를 동시에 제공한다. 저자들은 α_i→0인 ‘느린 평균 회귀’ 한계에서 mfOU가 mfBm에 수렴한다는 명제 1을 제시해, 기존 러프 변동성 모델과의 연결 고리를 명확히 한다. 또한, 명제 2에서는 α_i,α_j가 작을 때 교차공분산이 k^{H_i+H_j}에 비례하는 근사식을 도출해, 실증적 비대칭이 허스트 지수와 η, α의 조합으로 설명될 수 있음을 보여준다.

추정 방법으로는 전통적인 최대우도법이 비마르코프성 때문에 비현실적이라는 점을 지적하고, 일반화 모멘트 방법(GMM)을 2단계 절차로 채택한다. 모멘트 조건은 모델이 내포한 교차공분산 γ_{i,j}(k)와 샘플 공분산 ˆγ_{i,j}(k) 사이의 차이를 최소화하는 형태이며, 가중행렬 W_n은 대형표본에서 일정한 행렬로 수렴한다. 정리 3은 H_i<3/4인 경우 GMM 추정기가 일관성과 √n 수렴률을 갖는 정규성을 만족함을 증명한다. 이는 기존 단변량 러프 변동성 모델에서 알려진 비정규성 한계와 일치하면서도 다변량 상황에서도 동일한 이론적 기반을 제공한다는 점이 주목할 만하다.

시뮬레이션 섹션에서는 n=5002000 수준에서 추정기의 편향·분산이 이론적 한계에 근접함을 확인하고, 특히 η와 ρ의 추정 정확도가 샘플 크기에 따라 크게 개선되는 것을 보여준다. 실증 분석에서는 Oxford‑Man 라이브러리의 22개 지수 로그 실현 변동성을 20년 기간 동안 사용했으며, 추정된 Hurst 지수 대부분 0.10.2 수준으로 ‘러프’ 특성을 강하게 나타냈다. ρ 행렬은 전반적으로 높은 양의 상관을 보였고, η 행렬은 비대칭성을 나타내는 여러 비영(非零) 원소를 포함했다. 이를 바탕으로 파생된 스필오버 효과는 ‘시간 역전성’ 파라미터 η와 평균 회귀 속도 α의 곱에 비례함을 보이며, 실제 교차공분산 비대칭이 모델식(3)의 예측과 일치함을 확인했다. 또한, 소규모 미국 지수 스팟 변동성 시스템에 적용했을 때도 동일한 거칠기와 비가역성 패턴이 관측돼, 모델의 범용성을 입증했다.

결론적으로, 이 논문은 다변량 러프 변동성 모델링에 필요한 수학적 구조와 추정 이론을 모두 제공하며, 실증적으로도 변동성 스필오버와 비대칭 교차공분산을 효과적으로 포착한다는 점에서 금융계량학 및 옵션 가격 모델링 분야에 중요한 기여를 한다.