변동성 시장에서 FTSE 지수를 위한 Expectile 기반 프레임워크를 활용한 정량적 위험 관리

Quantitative Risk Management in Volatile Markets with an Expectile-Based Framework for the FTSE Index

July 16, 2025

저자: Abiodun Finbarrs Oketunji

cs.AI

초록

본 연구는 변동성이 큰 시장에서의 정량적 리스크 관리 프레임워크를 제시하며, 특히 FTSE 100 지수에 적용된 기대치(expectile) 기반 방법론에 초점을 맞춥니다. 전통적인 리스크 측정 방법인 위험가치(Value-at-Risk, VaR)는 2008년 금융 위기 및 이후의 변동성 기간 동안 시장 스트레스 상황에서 상당한 한계를 보였습니다. 본 연구는 이러한 전통적인 분위수(quantile) 기반 접근법의 단점을 해결하기 위해 꼬리 손실(tail loss)에 대한 더 높은 민감도와 극단적인 시장 조건에서의 개선된 안정성을 제공하는 고급 기대치 기반 프레임워크를 개발합니다. 이 연구는 FTSE 100 수익률의 20년간 데이터셋을 활용하며, 이는 높은 변동성, 시장 붕괴, 회복 단계를 포함합니다. 우리의 방법론은 기대치 회귀 모델을 위한 새로운 수학적 공식, 시계열 분석을 통한 개선된 임계값 결정 기법, 그리고 강력한 백테스팅 절차를 도입합니다. 실증적 결과는 기대치 기반 위험가치(Expectile-based Value-at-Risk, EVaR)가 다양한 신뢰 수준과 시장 조건에서 전통적인 VaR 측정을 지속적으로 능가함을 보여줍니다. 이 프레임워크는 변동성 기간 동안 우수한 성능을 보이며, 모델 리스크가 감소하고 예측 정확도가 향상됩니다. 또한, 본 연구는 금융 기관을 위한 실질적인 구현 지침을 수립하고 규제 준수 및 포트폴리오 관리를 위한 근거 기반 권장 사항을 제공합니다. 이러한 연구 결과는 금융 리스크 관리 문헌에 중요한 기여를 하며, 변동성이 큰 시장 환경을 다루는 실무자들을 위한 실용적인 도구를 제공합니다.

English

This research presents a framework for quantitative risk management in volatile markets, specifically focusing on expectile-based methodologies applied to the FTSE 100 index. Traditional risk measures such as Value-at-Risk (VaR) have demonstrated significant limitations during periods of market stress, as evidenced during the 2008 financial crisis and subsequent volatile periods. This study develops an advanced expectile-based framework that addresses the shortcomings of conventional quantile-based approaches by providing greater sensitivity to tail losses and improved stability in extreme market conditions. The research employs a dataset spanning two decades of FTSE 100 returns, incorporating periods of high volatility, market crashes, and recovery phases. Our methodology introduces novel mathematical formulations for expectile regression models, enhanced threshold determination techniques using time series analysis, and robust backtesting procedures. The empirical results demonstrate that expectile-based Value-at-Risk (EVaR) consistently outperforms traditional VaR measures across various confidence levels and market conditions. The framework exhibits superior performance during volatile periods, with reduced model risk and enhanced predictive accuracy. Furthermore, the study establishes practical implementation guidelines for financial institutions and provides evidence-based recommendations for regulatory compliance and portfolio management. The findings contribute significantly to the literature on financial risk management and offer practical tools for practitioners dealing with volatile market environments.