[論文レビュー] Identifying Business Sectors from Stock Price Fluctuations

Parameswaran Gopikrishnan, Bernd Rosenow+2 more|ArXiv.org|Nov 8, 2000

Complex Systems and Time Series Analysis被引用数 25

ひとこと要約

本稿では、リターンの自己相関行列と固有ベクトル解析を用いて、株価の変動から業界セクターを特定する手法を提案する。米国株式の30分間および日次リターンを分析することで、大きな固有値に対応する固有ベクトルが、通信、ゴールド鉱業、銀行など安定的で経済的に意味のあるセクターを示していることが示された。これにより、リスクの誤推定を低減するより堅牢なポートフォリオ最適化が可能になる。

ABSTRACT

Firms having similar business activities are correlated. We analyze two different cross-correlation matrices C constructed from (i) 30-min price fluctuations of 1000 US stocks for the 2-year period 1994-95 and (ii) 1-day price fluctuations of 422 US stocks for the 35-year period 1962-96. We find that the eigenvectors of C corresponding to the largest eigenvalues allow us to partition the set of all stocks into distinct subsets. These subsets are similar to conventionally-identified business sectors, and are stable for extended periods of time. Using a set of coupled stochastic differential equations, we argue how correlations between stocks might arise. Finally, we demonstrate that the sectors we identify are useful for the practical goal of finding an investment which earns a given return without exposure to unnecessary risk.

研究の動機と目的

• 株価の変動のみから外部情報なしに、裏付けとなる業界セクターを特定できるかを検証すること。
• リターン相関から導かれるセクター群の時間的安定性を調査すること。
• これらのセクター群が、安定したリスクリターン比を持つ最適投資ポートフォリオを構築する上で実用的であるかを評価すること。
• 企業間の相互作用が、観察されたリターン相関をどのように生じさせるかをモデル化すること。

提案手法

• 正規化リターン $ G_i(t) = \ln S_i(t+\Delta t) - \ln S_i(t) $ からクロス相関行列 $ C_{ij} $ を構築し、$ C_{ij} $ は株式 $ i $ と $ j $ 間の相関を測定する。
• 行列 $ C $ を対角化して固有値 $ \lambda_k $ と固有ベクトル $ \mathbf{u}^k $ を得る。特に、無相関系のための Marchenko-Pastur 界を超えている $ \lambda_k $ を注目する。
• 市場全体の要因を表す最大固有値の影響を除去し、個別のセクターに対応する固有ベクトルを分離する。
• 標準産業分類（SIC）コードに固有ベクトル成分を射影するための射影行列 $ P_{\ell i} $ を用い、$ X^{k}_{\ell} = \sum_i P_{\ell i} (u^k_i)^2 $ を計算することで、セクターごとの寄与度を特定する。
• 時間的安定な相関を説明するために、連立確率微分方程式 $ \tau_i \partial_t g_i = -r g_i + \sum_j J_{ij} g_j + \frac{1}{\tau_i} \xi_i(t) $ を用いて企業間の相互作用をモデル化する。
• 固有ベクトルが逸脱している部分のみを保持するフィルタリングされた相関行列 $ C' $ を用い、ポートフォリオ最適化におけるリスク予測を改善する。

実験結果

リサーチクエスチョン

• RQ1 株価の変動のみから、事前分類なしに経済的に意味のある業界セクターを特定できるか？
• RQ2 相関行列の固有ベクトルによって特定されたセクター群は、複数年にわたり時間的に安定しているか？
• RQ3 特定されたセクター群を用いることで、全相関行列を用いた場合と比較して、ポートフォリオ最適化におけるリスク予測の精度が向上するか？
• RQ4 観察されたリターン相関は、確率微分方程式でモデル化された企業レベルの相互作用によって説明可能か？
• RQ5 セクター固有ベクトルを用いて相関行列をフィルタリングすることで、最適ポートフォリオにおけるリスクリターン比の安定性はどのように変化するか？

主な発見

• 最大固有値に対応する固有ベクトル ($ \lambda_{1000} $) は、全体市場要因を表しており、S&P 500指数との相関は 0.85 ± 0.09 である。
• 次の大きな固有値に対応する固有ベクトルは、インフラ建設、通信、ゴールド鉱業、銀行、石油精製など、明確に分離された業界セクターを示しており、SICコードへの射影によって確認された。
• 1962–1996年の日次リターンを用いて分析したところ、上位3つの固有値に対応する固有ベクトルは、最大10年間にわたり安定している。
• セクター固有ベクトルの時間的安定性はスカラー積 $ O_{ij} = |\mathbf{u}_A^i \cdot \mathbf{u}_B^j| $ で定量化され、$ O_{1000,1000} = 0.93 $ であり、市場要因についてはほぼ完全な安定性が示された。
• 全相関行列 $ C $ を用いた場合、1995年の最適ポートフォリオのリスク予測値は、実際のリスクの170%低く、著しい誤推定が生じた。
• 固有ベクトルが逸脱している部分（セクター成分）のみを保持するように $ C $ をフィルタリングした後、リスク予測値は実際のリスクの25%低く、ポートフォリオリスク推定の安定性と正確性が著しく向上した。