[논문 리뷰] Causal cascade in the stock market from the ``infrared'' to the ``ultraviolet''

A. Arnéodo, Jean–François Muzy외 1명|arXiv (Cornell University)|1997. 08. 01.

Complex Systems and Time Series Analysis인용 수 148

한 줄 요약

이 논문은 S&P500 수익률의 일내 변동성 역학을 다중 척도적으로 분석하기 위해 웨이블릿 기반 분석을 제안하며, 큰(적외선) 척도에서 작은(우라레드) 척도로의 인과적 정보 연쇄가 드러남을 보여줌. 로그 변동성 간 상관관계를 사용하여 비대칭적인 시간 순서 의존성을 입증함으로써, 큰 척도의 시장 변동성이 더 세밀한 척도의 변동성에 인과적으로 영향을 준다는 것을 확인하며, 전통적인 ARCH/GARCH 또는 레비 기반 접근법보다 다중 곱셈 연쇄 모델을 지지함.

ABSTRACT

Modelling accurately financial price variations is an essential step underlying portfolio allocation optimization, derivative pricing and hedging, fund management and trading. The observed complex price fluctuations guide and constraint our theoretical understanding of agent interactions and of the organization of the market. The gaussian paradigm of independent normally distributed price increments has long been known to be incorrect with many attempts to improve it. Econometric nonlinear autoregressive models with conditional heteroskedasticity (ARCH) and their generalizations capture only imperfectly the volatility correlations and the fat tails of the probability distribution function (pdf) of price variations. Moreover, as far as changes in time scales are concerned, the so-called ``aggregation'' properties of these models are not easy to control. More recently, the leptokurticity of the full pdf was described by a truncated ``additive'' Lévy flight model (TLF). Alternatively, Ghashghaie et al. proposed an analogy between price dynamics and hydrodynamic turbulence. In this letter, we use wavelets to decompose the volatility of intraday (S&P500) return data across scales. We show that when investigating two-points correlation functions of the volatility logarithms across different time scales, one reveals the existence of a causal information cascade from large scales (i.e. small frequencies, hence to vocable ``infrared'') to fine scales (``ultraviolet''). We quantify and visualize the information flux across scales. We provide a possible interpretation of our findings in terms of market dynamics.

연구 동기 및 목표

• 기존의 ARCH/GARCH와 같은 전통적 모델을 초월하여 금융 변동성의 다중 척도적 구조를 조사하기 위해.
• 실제 데이터를 사용하여 금융 시계열에서 다중 곱셈 연쇄 모델의 타당성을 검증하기 위해.
• 변동성 상관관계가 거칠은 척도에서 세밀한 척도로의 방향성 있는 인과적 전파를 보이는지 확인하기 위해.
• 강한 척도 의존적 인과적 의존성에 의해, 잘린 레비 또는 i.i.d. 모델의 부적합성을 입증함으로써 그에 도전하기 위해.
• 웨이블릿 기반 시간 척도 분석을 통해 금융 시장에서 난류에 기반한 연쇄 유사성에 대한 실증적 근거를 제공하기 위해.

제안 방법

• 연속 웨이블릿 변환을 로그 수익률에 적용하여 다중 시간 척도에서의 변동성 추출하기.
• 스케일에 따라 분석하기 위한 주요 변수로 로그 변동성 ω_a(t) = ln σ_a(t) 정의하기.
• 다른 척도에서의 로그 변동성 간 이차 상관관계 계수 C^ω_{a1,a2}(Δt) 계산하여 시간 비대칭성 탐지하기.
• 스케일 간 정보 유량을 정량화하기 위해 상호정보량 I_a(Δt, Δa) = -0.5 log₂(1 - (C^ω_{a,a+Δa}(Δt))²) 사용하기.
• 진정한 인과적 구조를 통계적 노이즈에서 분리하기 위해 실제 자료와 셰플된 자료 비교하기.
• S&P500 지수 분석 및 GARCH(1,1) 과정의 시뮬레이션 결과 비교하여 관측된 연쇄의 탄력성 검증하기.

실험 결과

연구 질문

• RQ1 금융 시장에서 큰 시간 척도의 변동성이 더 작은 시간 척도의 변동성에 인과적으로 영향을 미치는가?
• RQ2 다른 시간 척도 간 로그 변동성 간 상관관계가 시간적으로 비대칭적인가? 이는 방향성 있는 정보 흐름을 나타내는가?
• RQ3 웨이블릿 기반 분석은 난류와 유사한 계층적, 다중 곱셈 연쇄 구조를 금융 변동성에서 탐지할 수 있는가?
• RQ4 로거 변동성의 실증적 상관관계는 셰플된 자료 또는 상관없는 자료의 것과 어떻게 비교되는가?
• RQ5 다중 곱셈 연쇄 모델은 실증 자료에 대해 i.i.d. 또는 잘린 레비 모델보다 더 잘 맞는가?

주요 결과

• 서로 다른 척도 간 상호정보량 I_a(Δt, Δa)에서 명확하고 비대칭적인 정보 전파 원뿔이 관찰되며, 거칠은 척도에서 세밀한 척도로의 정보 유량이 더 강력함을 확인함으로써 인과성이 입증됨.
• a1 > a2일 때 양의 Δt에서 상호정보량이 유의미하게 높게 나타나, 과거의 큰 척도 변동성이 미래의 작은 척도 변동성을 예측함을 나타냄.
• 셰플된 S&P500 자료는 체계적인 정보 흐름이 없음을 보여, 관측된 연쇄가 통계적 오류가 아님을 확인함.
• GARCH(1,1) 시뮬레이션 자료는 구조가 없는 상관관계 패턴을 생성함으로써, 표준 GARCH 모델이 관측된 다중 척도 인과적 동역학을 재현하지 못함을 나타냄.
• 실증 결과는 i.i.d. 또는 잘린 레비 모델보다 다중 곱셈 연쇄 모델이 변동성 동역학을 더 정확하게 묘사함을 지지함.
• 결과는 가격 수익률이 아니라 변동성에 대해 난류에 기반한 연쇄 유사성을 검증함을 보여주며, 큰 척도에서 작은 척도로의 인과적, 척도 재귀적인 정보 흐름이 존재함을 확인함.