[논문 리뷰] Levy Matrices and Financial Covariances

Z. Burda, J. Jurkiewicz외 3명|arXiv (Cornell University)|2001. 03. 05.

Random Matrices and Applications참고 문헌 2인용 수 8

한 줄 요약

이 논문은 S&P500의 일일 수익률에서 유도된 금융 공분산 행렬이 初기 주가로 정규화될 경우 레비-스테이블 첨자 중량 분포를 보이며, 스펙트럼 성질이 무작위 레비 행렬 이론과 일치함을 제안한다. 공분산 행렬은 재배열에 대해 강건성을 보이며, 이는 큰 고유값과 국소화된 고유벡터가 주가 수익률의 레비 성격에서 기인함을 시사하며, 비정규 분포 시장에서의 리스크 평가를 위한 새로운 프레임워크를 제공한다.

ABSTRACT

In a given market, financial covariances capture the intra-stock correlations and can be used to address statistically the bulk nature of the market as a complex system. We provide a statistical analysis of three SP500 covariances with evidence for raw tail distributions. We study the stability of these tails against reshuffling for the SP500 data and show that the covariance with the strongest tails is robust, with a spectral density in remarkable agreement with random Levy matrix theory. We study the inverse participation ratio for the three covariances. The strong localization observed at both ends of the spectral density is analogous to the localization exhibited in the random Levy matrix ensemble. We discuss two competitive mechanisms responsible for the occurrence of an extensive and delocalized eigenvalue at the edge of the spectrum: (a) the Levy character of the entries of the correlation matrix and (b) a sort of off-diagonal order induced by underlying inter-stock correlations. (b) can be destroyed by reshuffling, while (a) cannot. We show that the stocks with the largest scattering are the least susceptible to correlations, and likely candidates for the localized states. We introduce a simple model for price fluctuations which captures behavior of the SP500 covariances. It may be of importance for assets diversification.

연구 동기 및 목표

• 정규화된 일일 수익률로부터 구성된 S&P500 공분산 행렬의 통계적 성질을 분석하는 것.
• 금융 공분산의 두꺼운 꼬리 분포가 가격 데이터의 재배열에 대해 강건한가를 조사하는 것.
• 실제 시장 데이터에서의 스펙트럼 밀도와 고유벡터 국소화가 무작위 레비 행렬 이론의 예측과 일치하는가를 확인하는 것.
• 레비 분포를 따르는 수익률이 포트폴리오 리스크 관리 및 다각화에 미치는 영향, 특히 비정규 분포 시장에서의 영향을 평가하는 것.
• S&P500 공분산의 주요 경험적 특성을 재현하는 최소한의 확률 모델을 개발하는 것.

제안 방법

• 1991~1996년 동안 406개 주식에 대해 1309일 간의 S&P500 데이터를 사용하여, 初기 주가로 정규화된 C, 局부 변동성으로 정규화된 G, 가격 범위로 정규화된 J의 세 가지 공분산 행렬을 구성한다.
• 재배열을 통해 매트릭스 요소의 꼬리 분포를 분석하고, 두꺼운 꼬리의 안정성을 검증하기 위해 파워-로우 피팅을 적용한다.
• 수익률 데이터의 재배열을 적용하여 스펙트럼 특성과 고유벡터 국소화의 강건성을 테스트하고, 무작위 행렬 이론과 비교한다.
• 고유벡터 국소화 정도를 측정하고 순수 상태와 혼합 상태를 식별하기 위해 역참여 비율(IPR)을 계산한다.
• 크기와 비대칭성 측면에서 동일한 랜덤 레비 행렬 집단과의 스펙트럼 밀도를 비교한다.
• 수익률을 부호와 레비 분포를 따르는 변동성으로 모델링하는 단순한 확률 모델을 제안: $ M_{ti} = \text{sgn}_{ti} \cdot \xi_{it} $, 여기서 $ \xi_{it} $ 는 i.i.d. 레비 분포를 따른다.

실험 결과

연구 질문

• RQ1 초기 주가로 정규화된 수익률로부터 구성된 S&P500 공분산 행렬이 안정적인 레비 유형의 두꺼운 꼬리 특성을 보이는가?
• RQ2 가격 데이터의 재배열이 금융 공분산 행렬의 스펙트럼 밀도와 고유벡터 국소화에 어떤 영향을 미치는가?
• RQ3 가장 강건한 공분산 행렬의 스펙트럼 성질이 무작위 레비 행렬 이론이 예측하는 바와 어느 정도 일치하는가?
• RQ4 수익률의 레비 성격이 스펙트럼 가장자리에 있는 광범위하고 국소화되지 않은 고유값의 발생에 어떤 역할을 하는가?
• RQ5 레비 분포를 따르는 변동성에 기반한 단순한 확률 모델이 S&P500 공분산의 주요 경험적 특성을 재현할 수 있는가?

주요 결과

• 초기 주가로 정규화된 공분산 행렬 C는 안정적 인덱스를 가지며 파워-로우 꼬리 특성을 보이며, 그 스펙트럼 밀도가 랜덤 레비 행렬 이론과 놀랄 만큼 잘 일치한다.
• 가격 데이터의 재배열이 C 행렬의 스펙트럼 밀도나 최대 고유값을 변화시키지 않으며, 이는 요소의 레비 성격으로 인한 강건성에 기인함을 시사한다.
• 역참여 비율(IPR) 분석 결과, C 행렬의 스펙트럼 양단에서 강한 국소화가 관찰되며, 이는 순수한 국소화 상태에 해당하는 고유벡터를 의미한다.
• 반면, 변동성으로 정규화된 G 행렬과 가격 범위로 정규화된 J 행렬은 국소화 정도가 낮고 재배열에 더 민감하여, 이들의 큰 고유값은 주식 간 상관관계에서 기인함을 시사한다.
• 국소화된 고유벡터의 주식 산산이 가장 높은 것은 가장 극단적인 변동성을 보이는 주식일수록 상관관계가 낮고, 국소화 상태를 형성할 가능성이 가장 높다는 것을 의미한다.
• i.i.d. 레비 분포를 따르는 $ \xi_{it} $ 를 가진 단순 모델 $ M_{ti} = \text{sgn}_{ti} \cdot \xi_{it} $ 는 경험적 C 행렬의 스펙트럼 및 국소화 특성을 재현하며, 이는 레비 노이즈가 시장 공분산 구조의 주요 요인임을 시사한다.