다변량 금융 시계열에서 비모수적 양자화 동역학 이해

본 논문은 최근 금융 데이터의 복잡성과 비선형성을 반영하기 위해 비모수적 방법론을 확대 적용하는 흐름에 발맞추어, 다변량 시계열에 대한 일반적인 비모수 회귀 프레임워크를 제시한다. 모델은 Yₜ = μ(Xₜ)+Σ^{1/2}(Xₜ) eₜ 형태로, Yₜ와 Xₜ가 각각 p‑차원, k‑차원 벡터이며, eₜ는 평균 0, 공분산 Vₑ를 갖는 i.i.d. 잡음이다. Xₜ는 독립적인 ηₜ 시퀀스로부터 측정가능 함수 G를 통해 생성되며, 이는 시간 의존성을 포함한다. 저자들은 Wu(2005)의 기능적 의존도 개념을 차용해, P₀ f_X(x|F_i)와 그 도함수의 supnorm을 이용해 θ_i를 정의하고, Σ_i θ_i가 유한한 경우를 단기 의존(SRD), 무한한 경우를 장기 의존(LRD)으로 구분한다. 이론적 분석은 다음 세 단계로 전개된다. 첫째, 조건부 평균 μ와 공분산 Σ를 추정하기 위해 Nadaraya‑Watson 커널 추정량을 도입한다. 커널 K는 대칭·유계·유계 미분·유계 지원을 만족하는 표준 형태이며, 밴드위스 h_n은 n^{-1/(k+4)}와 같은 최적 속도로 선택한다. 이때 추정량은 가중 평균 형태로 정의되며, 분모와 분자가 모두 O_p(n h_n^k) 수준으로 수렴한다. 저자들은 강수렴(Almost Sure)과 약수렴(in‑distribution) 두 관점에서, θ_i가 충분히 빠르게 감소하면 (예: Σ_i θ_i<∞) 기존 독립 데이터에 대한 비모수 수렴 결과를 그대로 적용할 수 있음을 증명한다. 특히, √(n h_n^k)(\hat μ_n(x)−μ(x))는 평균 0, 공분산 ψ_K Vₑ f_X(x)^{-1}를 갖는 정규분포로 수렴한다. 공분산 추정량 \hat Σ_n(x) 역시 동일한 스케일에서 정규분포로 수렴하며, 양의 정부호성을 보장한다. 둘째, 다변량 기하학적 양자화(Geometric Quantile)를 도입한다. 이는 Chaudhuri(1996)와 Chowdhury & Chaudhuri(2019)의 정의에 따라, 방향 u와 수준 τ에 대해 최소화 문제를 설정한다. 비모수적 구현을 위해, 위에서 정의한 커널 가중치를 이용해 \hat Q_{τ,u,n}(x)=argmin_{q∈ℝ^p} Σ_{t=1}^n K((X_t−x)/h_n) ρ_{τ,u}(Y_t−q) 를 계산한다. 여기서 ρ_{τ,u}(·)는 다변량 체크 함수이며, u가 0이면 전통적인 중앙위치(중위수)와 일치한다. 저자들은 \hat Q_{τ,u,n}(x) 가 μ와 Σ의 일관적 추정량을 사용해 구성되므로, μ와 Σ가 일관적이면 \hat Q도 일관적이며, √(n h_n^k)(\hat Q_{τ,u,n}(x)−Q_{τ,u}(x))는 정규분포로 수렴함을 보인다. 이 과정에서 필요한 정칙성 가정은 μ, Σ가 C² 연속이며, Σ(x) 가 모든 x에서 양정정부호인 점이다. 셋째, 제안된 방법론의 실용성을 검증하기 위해 두 가지 실험을 수행한다. (1) 시뮬레이션에서는 p=2, k=2인 설정에서 다양한 잡음 분포(정규, t‑분포, α‑stable)와 의존 구조(AR(1), ARFIMA) 를 조합한다. 평균·공분산 추정에서는 기존 선형 회귀·GARCH 기반 방법보다 평균제곱오차가 15~30% 감소했으며, 양자화 추정에서는 0.95‑quantile의 평균 절대오차가 20% 이상 개선되었다. (2) 실증에서는 Maersk(해운)와 Lockheed Martin(방위) 주식의 일일 수익률을 geopolitcal risk index (GPR)와 연계한다. GPR이 상승할 때 두 종목의 조건부 공분산이 크게 증가하고, 0.95‑geometric quantile이 각각 -2.3%와 -3.1%에서 -4.5%와 -6.2%로 확대되는 현상을 포착한다. 이는 단변량 VaR이나 ES와 달리, 공동 극단 손실 위험을 동시에 평가할 수 있음을 보여준다. 논문의 주요 기여는 다음과 같다. 첫째, 기능적 의존도 프레임워크 하에서 다변량 비모수 평균·공분산 추정기의 강·약 수렴 이론을 최초로 체계화하였다. 둘째, 기하학적 양자화를 비모수 커널 방식으로 구현하고, 그 일관성 및 정규수렴을 증명함으로써 다변량 위험 측정에 새로운 도구를 제공한다. 셋째, 시뮬레이션과 실제 금융 데이터 분석을 통해 제안 방법이 기존 모델 대비 실용적 우수성을 입증하였다. 특히, 장기 의존(LRD) 상황에서도 θ_i의 적절한 감소 조건만 충족하면 이론이 유지된다는 점은 금융 시계열의 복잡한 메모리 구조를 다루는 데 큰 장점이다. 향후 연구에서는 고차원(k ≫ p) 상황에서 차원 축소와 스파스화 기법을 결합하거나, 비선형 동적 구조를 반영한 베이지안 비모수 확장 등을 탐색할 여지가 있다.