[論文レビュー] A review of two decades of correlations, hierarchies, networks and clustering in financial markets

Gautier Marti, Frank Nielsen+2 more|arXiv (Cornell University)|Mar 1, 2017

Complex Systems and Time Series Analysis被引用数 26

ひとこと要約

この論文は、金融市場における相関に基づくネットワーク、階層構造、クラスタリングに関する20年間の研究をレビューし、経済物理学、機械学習、統計物理学の手法を統合的に解説する。標準的手法（ピアソン相関、距離変換、最小全域木）の評価とともに、その限界を指摘し、共有データとコードを通じたオープンかつ再現可能な研究慣行の推進を提言する。

ABSTRACT

We review the state of the art of clustering financial time series and the study of their correlations alongside other interaction networks. The aim of this review is to gather in one place the relevant material from different fields, e.g. machine learning, information geometry, econophysics, statistical physics, econometrics, behavioral finance. We hope it will help researchers to use more effectively this alternative modeling of the financial time series. Decision makers and quantitative researchers may also be able to leverage its insights. Finally, we also hope that this review will form the basis of an open toolbox to study correlations, hierarchies, networks and clustering in financial markets.

研究の動機と目的

• 複数の学問分野にまたがる金融時系列の相関、階層構造、ネットワーク、クラスタリング解析分野における最新の知見を統合的・体系的に整理すること。
• 広く用いられている相関に基づく最小全域木（MST）手法における方法論的欠陥を特定・批判すること。
• オープンデータ、コード、およびGANによる合成データ生成を活用することで、実証的ファイナンス研究における再現可能性の課題を是正すること。
• 定量的ファイナンスおよび複雑系分野の研究者・実務家が利用可能なオープンで共有可能なツールボックスの基盤を提供すること。

提案手法

• リターンの対数差分に基づき、金融資産間の対比較的依存関係をピアソン相関係数で測定する：$ r_i(t) = \log P_i(t) - \log P_i(t-1) $。
• 相関係数を距離に変換することで、距離空間における幾何的解釈を可能にする：$ d_{ij} = \sqrt{2(1 - \rho_{ij})} $。
• クラスカルのアルゴリズムを用いて最小全域木（MST）を構築し、$ N-1 $本の辺とサイクルなしの固有の階層的構造を表現する。
• シングルリンククラスタリングアルゴリズム（SLCA）をMSTと同等のものとして用い、階層的クラスタリングを生成するが、既知の不安定性の問題を有する。
• 代替の相関測度、ロバストなクラスタリングアルゴリズム（例：ALCA）、および生成モデル（例：GAN）による合成データ生成といった代替手法を評価する。
• ベンチマークの確立とデータ・コードのオープンソース共有を通じて、研究間の再現可能性と比較可能性を向上させる提言を行う。

実験結果

リサーチクエスチョン

• RQ1 データの摂動や非ガウス分布下において、標準的な相関に基づくMSTおよびSLCA手法から得られるクラスタの安定性と信頼性はどの程度か？
• RQ2 代替の相関測度やクラスタリングアルゴリズムは、標準的なピアソン相関とSLCAに比べて、どれほど安定性と解釈可能性が向上するのか？
• RQ3 金融ネットワーク研究において、なぜ矛盾した実証的結果（例：中心性のポートフォリオパフォーマンスへの役割に関する相反する結論）が繰り返し生じるのか？
• RQ4 金融ネットワーク研究における再現可能性の主な課題は何か。オープンサイエンスの実践によって、それらの課題はどのように是正できるか？
• RQ5 GANのような生成モデルを用いることで、匿名化され、現実性のある合成金融データセットを生成し、共有ベンチマークや手法の検証を可能にすることができるか？

主な発見

• 標準的なMSTおよびSLCA手法は、『鎖状現象』と外れ値への感受性のため、不安定であることが知られており、特に非ガウス的リターン分布下で顕著である。
• 高い相関値であっても、相関ネットワークのリンクは常に統計的に信頼できるわけではない。実証的研究では、相関の強さと推定の信頼性との間に一貫した関係がないことが示されている。
• 金融危機期にはクラスタがしばしば不安定になるが、一部の研究ではp-メジアン問題のような代替手法を用いることで安定性が向上することが報告されている。
• 最小分散ポートフォリオとネットワークベースのポートフォリオが同じ資産を選択することがあるが、これは一般的には成り立たない。これは、特定の市場相関構造に起因する実証的重複であり、手法の同等性によるものではない。
• クラメール・ラオの下界は、高い相関は推定が容易（不確実性が小さい）であると示しているが、これは一部の実証的観察と矛盾しており、高相関リンクが高変動性を示す事例が存在する。
• 金融ネットワーク研究分野には、広く受け入れられたベンチマークや標準データセットが存在しないため、再実装バイアスが生じやすく、研究間の再現性が低い。