[論文レビュー] Testing and Support Recovery of Correlation Structures for Matrix-Valued Observations with an Application to Stock Market Data

Xin Chen, Dan Yang+4 more|arXiv (Cornell University)|Jun 30, 2020

Complex Systems and Time Series Analysis参考文献 68被引用数 4

ひとこと要約

本稿は、Kronecker 構造をもつ共分散モデルを用いて、新興市場と先進市場間の相関構造の等価性を検定する行列値統計枠組みを提案する。資産リターンを行列変数（資産 × 時間）として扱うことで、従来のベクトルベースのアプローチの限界——特に小標本サイズと時系列依存性の違反——を克服し、部分ガウス分布を仮定した下で漸近的に最適な推論を達成する。実株式市場データを用いた実証的性能は非常に高い。

ABSTRACT

Estimation of the covariance matrix of asset returns is crucial to portfolio construction. As suggested by economic theories, the correlation structure among assets differs between emerging markets and developed countries. It is therefore imperative to make rigorous statistical inference on correlation matrix equality between the two groups of countries. However, if the traditional vector-valued approach is undertaken, such inference is either infeasible due to limited number of countries comparing to the relatively abundant assets, or invalid due to the violations of temporal independence assumption. This highlights the necessity of treating the observations as matrix-valued rather than vector-valued. With matrix-valued observations, our problem of interest can be formulated as statistical inference on covariance structures under sub-Gaussian distributions, i.e., testing non-correlation and correlation equality, as well as the corresponding support estimations. We develop procedures that are asymptotically optimal under some regularity conditions. Simulation results demonstrate the computational and statistical advantages of our procedures over certain existing state-of-the-art methods for both normal and non-normal distributions. Application of our procedures to stock market data reveals interesting patterns and validates several economic propositions via rigorous statistical testing.

研究の動機と目的

• 資産数が時系列長を上回る状況において、新興市場と先進市場間の相関行列の等価性を検定する統計的課題に取り組む。
• 小標本サイズと時系列依存性の違反により、従来のベクトル値アプローチが非現実的かつ不適切であることを克服する。
• 行列変数部分ガウスモデルの下で、非相関および相関の等価性を検定する漸近的に最適な手続きを開発する。
• 高次元で標本数が少ない金融データにおいて、相関構造の正確なサポート回復を可能にする。
• 実株式市場データを用いた厳密な統計的検定を通じて、市場分断理論およびコマーシャル・コモーヴァメントパターンに関する経済理論を検証する。

提案手法

• 誤差項が部分ガウス分布に従うものと仮定し、共分散にKronecker積構造を導入して行列変数のリターンをモデル化する。
• 非相関および完全な等価性を含む、一標本および二標本の相関行列等価性の仮説検定を定式化する。
• 時系列共分散行列の推定に、オラクル推定、標本ベース推定、バンド構造推定の3つの戦略を提案する。
• 推定された相関行列の差のフロベニウスノルムに基づく検定統計量を用い、正則性条件の下で漸近的帰無分布を導出する。
• 高次元設定における推定精度を向上させるために、共分散行列の時系列成分にバンド構造仮定を適用する。
• 非正規分布や重尾分布（例：t₃）の下でも安定した検定を実現するため、前処理としてプレホワイトニング手順を実装する。

実験結果

リサーチクエスチョン

• RQ1 時系列長に比べて資産数が多い状況で、新興市場と先進市場のリターン相関構造が等しいかどうかを厳密に検定できるか？
• RQ2 リターンを行列変数（資産 × 時間）として扱うことで、高次元金融データにおける従来のベクトル化アプローチに比べて統計的推論がどのように向上するか？
• RQ3 金融リターンに一般的に見られる非正規分布・重尾分布下で、行列変数アプローチの性能はいかがなものか？
• RQ4 時系列共分散行列のバンド推定が、標本数が少ない状況での検定の正確性と検出力にどの程度向上効果をもたらすか？
• RQ5 実証的結果は、新興市場と先進市場における市場分断、商品露出、プロシクリカル性に関する経済理論を支持するか？

主な発見

• 提案手法は部分ガウス分布を仮定した下で漸近的に最適性を達成し、計算効率および統計的パワーの両面でベクトルベース手法を上回る。
• 正規分布およびt₃分布の誤差下で、バンド推定法は名目の5%水準に近い実証的サイズ（例：二標本検定で5.4%）を維持し、対立仮説下で74.8%の検出力を達成した。
• 高次元設定（p=30, q=200, n=20）下で、標本推定法は著しく標本サイズが不足していた（実証的サイズ0%）ため、構造的仮定なしでは著しく性能が劣化した。
• 標本サイズまたは時系列次元が増加するにつれて、サポート回復性能が著しく向上した：n=50, q=200のとき、一標本オラクル推定法では類似度が99.6%に達した。
• 実データに基づく疑似シミュレーションにおいて、バンド推定法は標本推定法およびベクトルベース手法を上回り、特に重尾分布下で顕著な優位性を示した。
• 実株式市場データへの応用により、新興市場では資源およびレクリエーション産業における相関動向が強く、市場分断およびプロシクリカル性に関する経済的仮説が裏付けられた。