[論文レビュー] Efficiency of the financial markets during the COVID-19 crisis: time-varying parameters of fractional stable dynamics

Ayoub Ammy-Driss, Matthieu Garcin|arXiv (Cornell University)|Jul 21, 2020

Financial Risk and Volatility Modeling被引用数 7

ひとこと要約

本稿は、新型コロナウイルス感染症の影響下における市場効率性を評価するため、時間変動するフラクタル安定運動におけるハースト指数および記憶パラメータの動的推定手法を提案する。α安定分布と適応的パラメータ更新のための割引係数を組み込むことで、米国株価指数は深刻な非効率性を示した一方、アジアおよびオーストラリア市場は相対的に効率的であった。これは、肥大尾のリターン峰態が影響を与えるハースト指数に比べ、記憶パラメータがより頑健な効率性指標であることを示している。

ABSTRACT

This paper investigates the impact of COVID-19 on financial markets. It focuses on the evolution of the market efficiency, using two efficiency indicators: the Hurst exponent and the memory parameter of a fractional L\\'evy-stable motion. The second approach combines, in the same model of dynamic, an alpha-stable distribution and a dependence structure between price returns. We provide a dynamic estimation method for the two efficiency indicators. This method introduces a free parameter, the discount factor, which we select so as to get the best alpha-stable density forecasts for observed price returns. The application to stock indices during the COVID-19 crisis shows a strong loss of efficiency for US indices. On the opposite, Asian and Australian indices seem less affected and the inefficiency of these markets during the COVID-19 crisis is even questionable.

研究の動機と目的

• フラクタル安定ダイナミクスの時間変動パラメータを用いて、新型コロナウイルスパンデミックが金融市場の効率性に与える影響を調査すること。
• 従来のハースト指数の限界を是正するため、肥大尾のリターン分布を考慮したより信頼性の高い効率性指標として、フラクタル安定運動の記憶パラメータを導入すること。
• 密度予測検証を用いて最適化された割引係数を用いた、α安定分布および時間変動パラメータの動的推定フレームワークを構築すること。
• 特に、パンデミックの深刻度と回復速度と相関するかどうかを評価するため、地域ごとの反応の違いを比較すること。

提案手法

• 本研究は、非ガウス分布および肥大尾を有するリターンに拡張された分数ブラウン運動を一般化したフラクタル安定運動（fLsm）フレームワーク内において、記憶パラメータおよびハースト指数の動的推定手法を採用する。
• リターン分布の肥大尾性を柔軟にモデル化できるように、マクコロッホの分位数ベース推定法を用いて時間変動するα安定分布を推定する。
• 事前パラメータ推定と新規観測値のバランスを取るために割引係数を導入し、その値は確率積分変換（PIT）の均一性および独立性に基づく基準の最小化により選定される。
• 本手法により、記憶パラメータおよびハースト指数を動的に更新し、パンデミック期間中の市場効率性をリアルタイムで評価可能となる。
• 最適な割引係数の選定は、密度予測の統計的検証に基づくものであり、推定パラメータの頑健性と信頼性を保証する。
• 本フレームワークは、2019年11月から2020年6月までの10の主要株価指数に適用され、効率性指標の有意性検定が実施された。

実験結果

リサーチクエスチョン

• RQ1 新型コロナウイルスパンデミックは、世界的な株価指数の市場効率性に測定可能な低下を引き起こしたか？
• RQ2 金融市場のストレス下において、フラクタル安定運動の記憶パラメータはハースト指数に比べ、市場非効率性を検出する上で優れているか？
• RQ3 割引係数を用いた時間変動パラメータの動的推定は、静的または非適応的手法に比べ、非効率性検出の精度を向上させるか？
• RQ4 米国、欧州、アジア、オーストラリア市場の間で、パンデミックへの反応の違いが、非効率性の発生時期および程度に反映されているか？
• RQ5 リターン分布の峰態が引き起こすバイアスを除去できるため、記憶パラメータはハースト指数に比べ、より信頼性の高い効率性指標として機能するか？

主な発見

• S&P 500およびS&P 100指数は、それぞれ記憶パラメータが-1.128および-1.065に低下したことで、深刻な非効率性を示し、危機期に強い負の自己相関と予測可能性が確認された。
• 米国株価指数のハースト指数は、S&P 500で0.122、S&P 100で0.098まで低下したが、0.5を超える上昇ピークも観察され、峰態によるバイアスの影響で非効率性に関する信号が一貫性を欠いていた。
• アジアおよびオーストラリア市場（KOSPIやS&P/ASX 200を含む）は、記憶パラメータの絶対値が低く（例：S&P/ASX 200で-0.504）、非効率性が顕著でなく、サンプル期間終了時点でゼロからの著しい逸脱も認められなかった。
• 記憶パラメータはハースト指数よりも早くかつ一貫して非効率性を検出しており、非効率性のピークは米国で2020年3月10日、欧州で2020年3月16日に観察され、危機発生時と整合的であった。
• サンプル期間終了（2020年6月29日）時点で、ハースト指数は0.45～0.50の値を示し市場回復を示唆したが、記憶パラメータは米国および日本で依然として非効率性を示しており、S&P 500は-0.355、日経225は-0.417であった。
• 本研究は、記憶パラメータが、特に市場ストレス時における峰態に起因するバイアスを除去できるため、ハースト指数に比べて優れた効率性指標であると結論づける。