초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

금융자산투자에서 위험을 관리하고 측정하기 위한 도구로서 VaR(Value at Risk)가 널리 사용되어지고 있다. VaR를 측정하는 방법중에서 모형을 사용하는 경우, 가장 직접적인 어려움은 차원의 저주로 인해 발생하는 현상들이다. 자산의 수가 늘어날수록 자산들간의 VaR를 측정하기 위하여 계산하는 분산공분산행렬의 추정이 어려워지기 때문이다. 모형의 관점에서 자산의 수가 늘어나는 것은 추정해야하는 ...

금융자산투자에서 위험을 관리하고 측정하기 위한 도구로서 VaR(Value at Risk)가 널리 사용되어지고 있다. VaR를 측정하는 방법중에서 모형을 사용하는 경우, 가장 직접적인 어려움은 차원의 저주로 인해 발생하는 현상들이다. 자산의 수가 늘어날수록 자산들간의 VaR를 측정하기 위하여 계산하는 분산공분산행렬의 추정이 어려워지기 때문이다. 모형의 관점에서 자산의 수가 늘어나는 것은 추정해야하는 모수의 증가를 의미한다. 이를 모형에서 줄이고자 개발된 CCC GARCH와 DCC GARCH모형으로 위의 문제를 해결하고자 하는 노력이 있으나 모형에서 모수의 수를 줄이는 노력으로는 한계가 존재한다.. 기존 연구에서는 인자분석을 통한 차원축소방법을 적용한 후에 다변량 GARCH 모형을 이용하여 분산공분산행렬을 추정, 이러한 문제점을 해결하고자 하였다. 하지만 인자분석은 시계열자료에 적합한 방법이 아니기 때문에 바로 적용하지 못하고 자료의 자기상관성을 제거하고자 하는 방법이 중간에 필요하게 된다. 본 논문에서는 인자분석의 확장형태인 시계열인자분석을 활용하여 시계열자료의 차원축소과정을 간결하게 하며 또한 시계열인자분석으로 차원축소시 기존의 방법과 차이가 있는지를 실증분석하고자 한다.

Keyword