비대칭 독립성 하에서의 CoVaR 추정: 새로운 반파라메트릭 접근법

초록

본 논문은 비대칭 독립성(asymptotic independence)을 보이는 금융 손실 쌍에 대해 조건부 VaR(CoVaR)을 추정하는 반파라메트릭 방법을 제시한다. 이론적 프레임워크는 Ledford‑Tawn의 η 지수를 활용한 극단 의존 구조 모델링에 기반하며, η와 꼬리 의존 함수 c(x,y)를 파라메트릭 형태로 가정한다. Hill 추정량과 고위험 수준 외삽법을 결합해 VaR와 극단 지수를 추정하고, M‑추정법으로 c의 파라미터를 추정한다. 제안된 추정량은 일관성과 점근 정규성을 보이며, 시뮬레이션과 S&P 500 데이터 적용을 통해 실용성을 검증한다.

상세 분석

본 연구는 기존 CoVaR 추정 방법이 대부분 극단 의존성(asymptotic dependence)을 전제로 하는 반면, 실제 금융 데이터에서는 약한 의존성, 즉 비대칭 독립성(asymptotic independence) 현상이 빈번히 관찰된다는 점에 주목한다. 이를 위해 Ledford와 Tawn(1996,1997)이 제시한 η 지수와 꼬리 의존 함수 c(x,y)를 도입한다. η∈(½,1) 구간은 양의 의존성을 유지하면서도 독립성에 가까운 상황을 포착한다. 논문은 먼저 CoVaR를 조건부 확률 P(Y≥CoVaR|X≥VaR_X(p))=p 로 정의하고, 이를 무조건부 VaR와 연결시키는 조정 계수 η_p를 도입한다. η_p는 실제 데이터에서 직접 추정하기 어려우므로, η와 c를 파라메트릭 형태로 가정하고, η_p를 ηₚ라는 점근식으로 근사한다. ηₚ는 식 (6)에서 c(1,ηₚ)=p^{2-1/η} 로 정의되며, η와 c가 정확히 추정될 경우 η_p와 ηₚ는 일치한다.

추정 절차는 세 단계로 구성된다. 첫째, Y의 극단 지수 γ를 Hill 추정량으로 구한다. 둘째, VaR_Y(p)를 de Haan & Ferreira(2006)의 외삽법을 이용해 추정한다. 셋째, c(x,y;θ)와 η를 M‑추정법으로 동시에 추정한다. 비모수적 추정량 Q_n(x,y)를 이용해 moment condition Φ_n(θ,ζ) 를 정의하고, 최소화 문제 (9)를 풀어 θ̂와 ζ̂를 얻는다. 여기서 ζ는 스케일 파라미터이며, η̂는 η(θ̂) 로 계산된다. 이후 η*ₚ는 (10)식의 해를 구해 구한다.

이론적 결과는 두 가지 정리로 제시된다. 정리 1은 일관성을 보장하며, 가정 17(특히 꼬리 의존 함수의 균등 수렴과 η의 연속성)을 만족하면 CoVaR̂가 실제 CoVaR에 확률적으로 수렴함을 증명한다. 정리 2는 점근 정규성을 제공한다. 가정 89를 추가하면 √k₁·log(k₂/(np))·(CoVaR̂/CoVaR−1) 가 평균 λ₁−ρ, 분산 γ²인 정규분포로 수렴한다. 이는 추정 오차의 규모를 명시적으로 제시해 실무 적용 시 신뢰구간 구축이 가능함을 의미한다.

시뮬레이션에서는 n=5000, p=5% 수준에서 두 가지 파라메트릭 모델(파레토 기반 혼합 모델)로 데이터를 생성하고, k₁=k₂=k₃를 1000·또는·1500으로 설정해 제안 방법과 전통적인 순위 기반 추정기를 비교한다. 결과는 제안 방법이 편향이 적고 평균 제곱 오차가 현저히 낮으며, 특히 η가 0.7~0.9 구간에서 강건함을 보인다. 실제 데이터 분석에서는 S&P 500 개별 주식 수익률과 시장 포트폴리오 수익률을 X, Y로 설정하고, 일별 로그수익률을 이용해 동적 CoVaR를 추정한다. η̂≈0.78로 추정돼 양의 약한 의존성을 확인했으며, 시계열적으로 변하는 CoVaR 추정치는 2008년 금융 위기와 2020년 코로나 쇼크 시기에 급격히 상승, 위험 전이 메커니즘을 효과적으로 포착함을 보여준다.

본 논문의 주요 기여는 (1) 비대칭 독립성 상황에 맞는 CoVaR 추정 프레임워크를 제시, (2) η와 꼬리 의존 함수를 파라메트릭화해 데이터 희소성을 극복, (3) 일관성·점근 정규성 이론을 엄밀히 증명, (4) 시뮬레이션 및 실제 금융 데이터에 적용해 실용성을 검증한 점이다. 다만 η와 c의 파라메트릭 형태 선택에 따라 결과가 민감할 수 있으며, 음의 의존성(η<½) 경우는 현재 모델링에서 제외된 점은 향후 연구 과제로 남는다.