[論文レビュー] Networks of equities in financial markets

G. Bonanno, Guido Caldarelli+4 more|RePEc: Research Papers in Economics|Jan 16, 2004

Complex Systems and Time Series Analysis被引用数 4

ひとこと要約

本稿では、株式リターンデータから経済的構造を抽出するために、最小全域木（MST）を用いた相関に基づくネットワーク手法を提案する。相関行列からのノイズをフィルタリングすることで、実際の金融市場が単一要因モデルとは明確に異なる意味のあるトポロジカルパターン（例えば、セクターのクラスタリング）が明らかになる。これは、トポロジカルな比較によって広く受け入れられている市場仮説を反証する強力な手法である。

ABSTRACT

We review the recent approach of correlation based networks of financial equities. We investigate portfolio of stocks at different time horizons, financial indices and volatility time series and we show that meaningful economic information can be extracted from noise dressed correlation matrices. We show that the method can be used to falsify widespread market models by directly comparing the topological properties of networks of real and artificial markets.

研究の動機と目的

• ノイズの多い金融相関行列から経済的情報を抽出するための堅牢な手法を開発すること。
• 異なる時間ホライズン、市場インデックス、ボラティリティ系列におけるネットワークトポロジの変化を調査すること。
• 一般的に用いられる市場モデル（例：単一要因モデル）が、実際の金融データに観察されるトポロジカル特徴を再現できるかどうかを検証すること。
• 実際のネットワークと人工ネットワークのトポロジカル性質を比較することで、金融市場モデルを妥当性の有無を検証または反証すること。

提案手法

• 所定の時間ホライズン内におけるn種の株式の対数リターンから相関行列を構築する。
• 標準的な式を用いて相関行列をメトリック距離に変換し、その後、階層的構造を保持するための部分的超距離を適用する。
• 超距離に基づく距離から最小全域木（MST）を生成し、弱いノイズの高い相関をフィルタリングし、最も関連性の高いリンクを保持する。
• MSTのトポロジを用いてクラスターや構造的パターン（例：セクターのグループ化やスターリンクの中心ノード）を特定する。
• 実際のMSTと、単一要因モデルから生成された合成データのMSTとの間で、次数分布やクラスタリングといったトポロジカル特徴を比較する。
• 実際のネットワークとモデルのネットワークトポロジの差の有意性を評価するための統計的検定を実施する。

実験結果

リサーチクエスチョン

• RQ1 有限サンプルノイズの影響を受ける金融時系列であっても、相関に基づくネットワークは意味のある経済的構造を明らかにできるか？
• RQ2 金融ネットワークのトポロジは、時間ホライズン、市場インデックス、またはボラティリティ系列の変化にどのように応じて変化するか？
• RQ3 一般に用いられる市場モデル（例：単一要因モデル）は、実際の金融ネットワークに観察されるトポロジカル特徴を再現できるか？
• RQ4 実際のネットワークと人工ネットワークの間のトポロジカル差異を用いて、標準的な市場モデルを反証できるか？

主な発見

• 実株式リターンの最小全域木（MST）は、特に1日間の時間ホライズンで顕著な経済セクターを反映するマルチクラスタ構造を示す。
• これに対して、単一要因モデルは、中心ハブ（例：ジェネラル・エレクトリック）を有するスターリンク型MSTを生成し、セクタークラスタリングを再現できない。
• マージナル相関係数の分布が類似しているにもかかわらず、実際のMSTとモデルMSTのトポロジカル構造には顕著な差異が認められ、95％の統計的信頼水準で有意である。
• MSTによるフィルタリングプロセスは、ノイズを効果的に除去し、元の相関行列では見えにくかった構造的差異を明らかにする。
• 本手法は、単一要因モデルから生成された合成データと実際の金融データを明確に区別でき、このようなモデルを反証する能力を示した。
• MSTトポロジの時間的安定性は、金融ネットワーク分析やポートフォリオ最適化の分野で信頼できるツールとしての有用性を裏付けている。