[논문 리뷰] A review of two decades of correlations, hierarchies, networks and clustering in financial markets

Gautier Marti, Frank Nielsen외 2명|arXiv (Cornell University)|2017. 03. 01.

Complex Systems and Time Series Analysis인용 수 26

한 줄 요약

이 논문은 금융 시장에서 상관계수 기반 네트워크, 계층 구조, 군집화에 관한 20년간의 연구를 종합적으로 검토하며, 경제물리학, 머신러닝, 통계물리학 분야의 방법을 융합한다. 피어슨 상관계수, 거리 변환, 최소 스패닝 트리 기반의 표준 방법론을 평가하면서도 그 한계점을 지적하고, 공개된 데이터와 코드를 통한 개방형, 재현가능한 연구 관행을 제안한다.

ABSTRACT

We review the state of the art of clustering financial time series and the study of their correlations alongside other interaction networks. The aim of this review is to gather in one place the relevant material from different fields, e.g. machine learning, information geometry, econophysics, statistical physics, econometrics, behavioral finance. We hope it will help researchers to use more effectively this alternative modeling of the financial time series. Decision makers and quantitative researchers may also be able to leverage its insights. Finally, we also hope that this review will form the basis of an open toolbox to study correlations, hierarchies, networks and clustering in financial markets.

연구 동기 및 목표

• 다양한 학문 분야에서 금융 시계열의 상관계수, 계층 구조, 네트워크 및 군집 분석 분야의 최신 기술을 통합하고 체계화하기.
• 일반적으로 사용되는 상관계수 기반 최소 스패닝 트리(MST) 접근법의 방법론적 한계를 규명하고 비판하기.
• 공개 데이터, 코드, 그리고 GAN을 통한 합성 데이터 생성을 통해 재현성 문제를 해결하고자 하는 개방형 과학 연구 관행을 촉진하기.
• 정량 금융 및 복잡계 분야의 연구자와 전문가들이 사용할 수 있는 개방형, 공유 가능한 도구 상자 기반 마련하기.

제안 방법

• 로그 수익률 기반으로 금융 자산 간의 이변량 의존도를 정량화하기 위해 피어슨 상관계수를 사용: $ r_i(t) = \log P_i(t) - \log P_i(t-1) $.
• 거리 변환을 통해 상관계수를 거리로 변환: $ d_{ij} = \sqrt{2(1 - \rho_{ij})} $, 이를 통해 거리 공간 내 기하학적 해석이 가능해진다.
• 크루스컬 알고리즘을 적용하여 최소 스패닝 트리(MST)를 구축하며, 이는 $ N-1 $개의 간선과 사이클 없이 유일한 계층적 구조를 나타낸다.
• 단일 연결 군집화 알고리즘(SLCA)을 사용하여 계층 군집화를 생성하며, MST와 동치이지만 알려진 안정성 문제를 야기한다.
• 다른 상관계수 측정법, 강건한 군집화 알고리즘(예: ALCA), 생성 모델(예: GAN)을 통한 합성 데이터 생성과 같은 대안적 방법을 평가한다.
• 기준 테스트 및 데이터와 코드의 오픈소스 공유를 통해 연구 간 재현성과 비교 가능성 향상 제안.

실험 결과

연구 질문

• RQ1 비정규 분포와 데이터 변동에 노출되었을 때, 표준 상관계수 기반 MST 및 SLCA 방법으로 유도된 군집의 안정성과 신뢰성은 어느 정도인가?
• RQ2 표준 피어슨 상관계수 및 SLCA에 비해, 대안적 상관계수 측정법과 군집화 알고리즘이 안정성과 해석 가능성 측면에서 얼마나 향상되는가?
• RQ3 금융 네트워크 연구에서 왜 상반된 경험적 결과가 지속되는가? 예를 들어, 중심성의 포트폴리오 성과에 대한 역할에 대한 서로 다른 결론이 존재하는 이유는 무엇인가?
• RQ4 금융 네트워크 연구에서 재현성 문제의 핵심 과제는 무엇이며, 개방형 과학 관행을 통해 어떻게 이를 완화할 수 있는가?
• RQ5 GAN과 같은 생성 모델을 통해 익명화되고 현실적인 합성 금융 데이터 세트를 생성할 수 있는가? 이를 통해 공통 기준 테스트 및 방법 검증이 가능해지는가?

주요 결과

• 표준 MST 및 SLCA 접근법은 '사슬 현상'과 외곽치에 대한 민감성으로 인해 안정성이 떨어지며, 특히 비정규 분포의 수익률에서 더욱 심각한 문제가 발생한다.
• 높은 상관계수 값이 존재하더라도, 상관계수 네트워크의 연결은 항상 통계적으로 신뢰할 수 있는 것은 아니며, 경험적 연구에서는 상관계수 강도와 추정 신뢰도 사이에 일관된 관계가 없음을 보여준다.
• 금융 위기 기간 동안 군집은 종종 불안정해지지만, 일부 연구에서는 p-중심 문제와 같은 대안적 방법을 사용할 경우 안정성이 증가한다고 보고한다.
• 최소 분산 포트폴리오와 네트워크 기반 포트폴리오가 종종 동일한 자산을 선택하지만, 이는 일반적으로 성립하지 않으며, 이는 특정 시장의 상관계수 구조에 기인한 경험적 중첩일 뿐 방법론적 동치성은 아님을 시사한다.
• 크래머-라오 하한 경계는 높은 상관계수를 추정하는 것이 더 낮은 불확실성을 가짐을 시사하지만, 일부 경험적 관측에서는 높은 상관계수 연결에서 높은 변동성이 관찰되어 이와 정면으로 배치된다.
• 금융 네트워크 연구 분야에는 널리 인정된 기준 테스트나 표준 데이터 세트가 없어, 재구현 편향과 연구 간 재현성 부족 문제가 야기된다.