This paper introduces a dynamic risk model that incorporates both systematic and idiosyncratic structures. We call it the factor and idiosyncratic GARCH-X (FIGARCH-X) model. To get advantages of financial big data, the FIGARCH-X model incorporates a high-dimensional dynamic factor model. To overcome the curse of dimensionality, we introduce a parametric model for each individual stock. Specifically, we apply a GARCH-X structural model that incorporates unexplained systematic risk and integrated volatility of the index as its covariates. For the parameter estimation, we propose a two-step estimation procedure. In the first step, we estimate the latent factor components, and in the second step, we estimate the parameters of the individual stock model. We perform Monte Carlo simulations to validate the FIGARCH-X model and two-step estimation procedure. In the empirical study, we find that the integration of both factor and idiosyncratic structures helps accurately measure individual stock risk.
본 논문에서는 시스템 구조와 개별적 구조를 통합한 동적 리스크 모델을 소개한다. 우리는 이를 factor and idiosyncratic GARCH-X(FIGARCH-X) 모델이라고 명명한다. 금융 빅데이터의 장점을 살리기 위해 FIGARCH-X 모델에는 고차원 동적 팩터 모델을 적용한다. 반면, 차원의 저주를 극복하기 위해 각 개별 종목에 대해서는 모수 모형을 도입한다. 구체적으로는 설명되지 않는 시스템 위험과 지수의 변동성을 공변량으로 포함하는 GARCH-X 모형을 적용한다. 모수 추정을 위해서는 2단계 추정 절차를 제안한다. 첫 번째 단계에서는 팩터의 구성요소를 추정하고, 두 번째 단계에서는 개별 종목 모델의 매개변수를 추정한다. 우리는 몬테카를로 시뮬레이션을 수행하여 FIGARCH-X 모델과 2단계 추정 절차를 검증하였고, 실증 연구를 통해 시스템 구조와 개별 구조의 통합이 개별 주식 리스크를 정확하게 측정하는 데 도움이 되는 것을 확인하였다.
