[논문 리뷰] Empirics versus RMT in financial cross-correlations

Stanisław Drożdż, Jarosław Kwapień외 1명|ArXiv.org|2007. 11. 05.

Complex Systems and Time Series Analysis인용 수 4

한 줄 요약

이 논문은 금융 상관관계 분석에서 랜덤 매트릭스 이론(RMT)의 전통적 사용 방식을 도전하며, 주식시장의 역학이 단순히 '시장' 요인, 부문 성분, 위샤르트 분포를 따르는 잡음 군집으로 분해될 수 없다고 밝힌다. 장기간의 시계열 데이터를 사용하여 고유값 군집과 모든 고유신호가 다중분포적이고 비선형적인 상관관계를 보임을 보여주며, 이는 시장 전반의 정보가 개별 자산에 암묵적으로 포함되어 있음을 시사한다. 따라서 기존의 RMT 프레임워크를 확장하여 잡음 이외의 내재적 상관관계를 고려해야 함을 주장한다.

ABSTRACT

In order to pursue the issue of the relation between the financial cross-correlations and the conventional Random Matrix Theory we analyse several characteristics of the stock market correlation matrices like the distribution of eigenvalues, the cross-correlations among signs of the returns, the volatility cross-correlations, and the multifractal characteristics of the principal values. The results indicate that the stock market dynamics is not simply decomposable into 'market', 'sectors', and the Wishart random bulk. This clearly is seen when the time series used to construct the correlation matrices are sufficiently long and thus the measurement noise suppressed. Instead, a hierarchically convoluted and highly nonlinear organization of the market emerges and indicates that the relevant information about the whole market is encoded already in its constituents.

연구 동기 및 목표

• 금융 상관관계 행렬이 '시장', '부문', '랜덤 위샤르트' 성분으로 의미 있게 분해될 수 있는지 조사하기.
• 표준 랜덤 매트릭스 이론(RMT)이 금융 시계열의 진정한 복잡성을 포괄하는 데에 한계가 있는지 평가하기.
• 상관관계 행렬의 고유값 군집이 비트리비얼한, 정보를 담고 있는 구조를 포함하고 있는지 평가하기.
• 특히 중간 및 낮은 고유값에서 전체 스펙트럼에 걸쳐 고유신호의 다중분포적 성격을 조사하기.
• RMT 기반 금융 모델링에서 '잡음'을 정의하는 방식을 재고하여 내재적 상관관계와 비선형 상관관계를 포함해야 한다고 주장하기.

제안 방법

• 장기간의 시간 창문(T ≫ N) 동안 N개 주식의 일일 수익률에서 경험적 상관관계 행렬을 구축하여 측정 오차를 감소시켰다.
• 랜덤 매트릭스 이론(RMT)을 적용하여 위샤르트 집단을 근본가설로 삼고, 경험적 고유값 분포를 마르첸코-파스트르 법칙과 비교했다.
• 다중분포적 탈트렌드화된 변동성 분석(MFDFA)을 사용하여 상관관계 행렬에서 유도된 고유신호(주성분)를 분석하고, 특이성 스펙트럼 f(α)를 계산했다.
• 일반화된 허스트 지수 h(q)와 특이성 스펙트럼 f(α)를 사용하여 첫 번째 및 중간 고유값을 포함한 모든 고유신호에서 다중분포적 성격을 정량화했다.
• 다양한 고유신호 간의 특이성 스펙트럼 f(α)의 폭과 피크 위치를 비교하여 지속성 또는 반지속성 행동을 탐지했다.
• 선형 상관관계를 초월한 비선형 의존성을 평가하기 위해 변동성 상관관계와 부호 기반 상관관계를 평가했다.

실험 결과

연구 질문

• RQ1 금융 상관관계 행렬의 고유값 군집이 위샤르트 랜덤 매트릭스 집단에서 얼마나 벗어나는가?
• RQ2 스펙트럼 중간에 위치한 고유값에 대응하는 고유신호가 비트리비얼한 다중분포적 정보를 지니는가?
• RQ3 고유신호의 다중분포적 구조가 스펙트럼 전반에서 균일한가, 아니면 가장 큰 고유값과 중간 고유값 간에 상당한 차이가 나는가?
• RQ4 변동성 상관관계와 부호 기반 상관관계는 선형 상관관계를 초월해 시장의 비선형적 구조에 어떻게 기여하는가?
• RQ5 내재적 상관관계가 잡음으로 간주되지 않는 한, 표준 RMT 프레임워크가 금융 상관관계 행렬을 충분히 모델링할 수 있는가?

주요 결과

• 장기간의 시계열을 사용할수록 경험적 상관관계 행렬의 고유값 군집이 위샤르트 랜덤 매트릭스 집단과 일치하지 않으며, 이는 '잡음' 영역 내에서도 비무작위적 구조가 존재함을 시사한다.
• 시장 모드(λ₁)와 유사한 폭을 지닌 넓은 특이성 스펙트럼 f(α)를 보이며, 중간 스펙트럼의 고유신호(예: λ₅₂)를 포함한 모든 고유신호가 유의미한 다중분포적 성격을 보인다.
• 중간 고유신호 Z₅₂의 특이성 스펙트럼 f(α)는 약 α ≈ 0.5에 중심을 두고 있으며, 이는 지속성과 반지속성의 균형을 나타내며, λ₁의 스펙트럼은 더 넓고 이동되어 있다.
• i=2에서 100까지의 고유신호에 대한 평균 특이성 스펙트럼은 정확히 α=0.5에서 피크를 이룬다. 이는 비시장 성분 전반에 걸쳐 보편적인 다중분포적 구조가 존재함을 시사한다.
• 변동성 상관관계와 부호 기반 상관관계는 강력한 비선형 의존성을 드러내며, 가장 큰 고유값만 정보를 지닌다는 가정을 더욱 약화시킨다.
• 결과적으로 전체 시장 구조, 그 구성 자산들까지도 전체 시스템에 대한 정보를 암묵적으로 포함하고 있음을 시사하며, 시장, 부문, 잡음으로의 표준 분해 방식을 도전한다.