[論文レビュー] Modelling and prediction of financial trading networks: An application to the NYMEX natural gas futures market

Brenda Betancourt, Abel Rodríguez+1 more|arXiv (Cornell University)|Oct 3, 2017

Complex Systems and Time Series Analysis参考文献 45被引用数 5

ひとこと要約

本稿では、ニューヨーク・マーカンタイル・エクスチェンジ（NYMEX）天然ガス先物市場における金融取引ネットワークをモデル化・予測するために、動的確率的ブロックモデルと隠れマルコフモデルを組み合わせた手法を提案する。時間に依存するコミュニティ構造と遷移ダイナミクスを捉えることで、取引者の相互作用の短期的予測が可能となり、システミックリスクイベントの高精度な同定も実現する。

ABSTRACT

Over the last few years there has been a growing interest in using financial trading networks to understand the microstructure of financial markets. Most of the methodologies developed so far for this purpose have been based on the study of descriptive summaries of the networks such as the average node degree and the clustering coefficient. In contrast, this paper develops novel statistical methods for modeling sequences of financial trading networks. Our approach uses a stochastic blockmodel to describe the structure of the network during each period, and then links multiple time periods using a hidden Markov model. This structure allows us to identify events that affect the structure of the market and make accurate short-term prediction of future transactions. The methodology is illustrated using data from the NYMEX natural gas futures market from January 2005 to December 2008.

研究の動機と目的

• 時間の経過に伴い変化する金融取引ネットワークの構造を、静的記述的要約を超えて統計的にモデル化するフレームワークの構築を目的とする。
• 隠れマルコフモデル（HMM）を用いて、潜在的な取引コミュニティとその動的遷移を特定し、市場構造の時間的変化を捉える。
• 時間に依存するブロック構造の確率分布としてネットワーク全体をモデル化することで、将来の取引を高精度に短期予測することを目的とする。
• ネットワークトポロジーの変化、例えばシステミックリスクの発生時や取引行動の構造的シフトを、ネットワークトポロジーとコミュニティダイナミクスの変化から検出することを目的とする。
• 方向性付きで重み付きの取引ネットワークを表す配列値時系列データに対して、スケーラブルで確率論的なアプローチを提供することを目的とする。

提案手法

• 各時系列期間における類似した相互作用パターンに基づいて取引者をコミュニティにグループ化するため、確率的ブロックモデルを用いる。リンクの条件付き独立性を、コミュニティ所属に基づいて仮定する。
• 連続する時系列期間を結ぶために、隠れマルコフモデル（HMM）を適用し、ネットワークの潜在的状態（例：コミュニティ構造）を離散状態のマルコフ過程としてモデル化する。
• ブロック所属、リンク確率、遷移確率に条件付き共役事前分布を用いたベイズ階層モデルを採用し、完全な後確率推論を可能にする。
• ブロック割り当て、リンク確率、遷移行列、ハイパーパrameterのための条件付き周辺分布に基づくギブスサンプラーを実装し、非共役パrameterに対してはメトロポリス・ハスティングス更新を併用する。
• 未知かつ柔軟な数の取引コミュニティを許容するため、ポisson-ディリクレ過程事前分布を用いる。これにより、データの複雑さに応じてコミュニティ数が適応的に変化する。
• 予測分布としてベータ・二項分布およびディリクレ・多項分布の尤度を用い、将来のリンクの確率的予測を可能にする。

実験結果

リサーチクエスチョン

• RQ1 静的要約統計を超えて、時間に依存する金融取引ネットワークの構造をどのようにモデル化できるか？
• RQ2 NYMEX天然ガス先物市場にはどのような潜在的コミュニティ構造が存在し、それが時間経過とともにどのように変化するか？
• RQ3 動的ネットワークモデルを用いることで、将来の取引相互作用を高精度に予測できるか？
• RQ4 ネットワークトポロジーとコミュニティダイナミクスの変化を通じて、どのような市場イベントや構造的シフトを検出できるか？
• RQ5 確率的ブロックモデルと隠れマルコフモデルを統合することで、静的または単なる記述的モデルに比べて予測性能がどのように向上するか？

主な発見

• 提案手法は、2005年から2008年のNYMEX天然ガス先物市場において、明確で時間に依存する取引コミュニティを同定し、マクロ経済的出来事と関連する市場構造の変化を明らかにした。
• 本手法は、将来の取引に対して高い予測精度を達成しており、静的ネットワークモデルやベースラインERGMと比較して顕著に優れた性能を示した。
• 隠れマルコフ構造は、異なるネットワークレジーム間の遷移を効果的に捉えており、コミュニティ構成の急激な変化を通じてシステミックリスクイベントの検出が可能となった。
• 非共役事前分布とメトロポリス・ハスティングス更新を組み合わせることで、特にαやβなどのハイパーパrameterに対して、完全な共役性が得られない状況でも頑健な推論が可能となった。
• ブロック所属とリンク確率の分析を通じて、主要な取引者と頻繁な取引相手を同定でき、規制監視およびシステミックリスクモニタリングに貢献した。
• ポisson-ディリクレ過程事前分布により、未知かつデータ適合的なコミュニティ数を許容でき、過剰適合を回避するとともにモデルの柔軟性が向上した。