[논문 리뷰] Modelling and prediction of financial trading networks: An application to the NYMEX natural gas futures market

Brenda Betancourt, Abel Rodríguez외 1명|arXiv (Cornell University)|2017. 10. 03.

Complex Systems and Time Series Analysis참고 문헌 45인용 수 5

한 줄 요약

이 논문은 뉴욕 상품거래소(NYMEX) 천연가스 선물 시장에서의 금융 거래 네트워크를 모델링하고 예측하기 위해 동적 스토하스틱 블록모형과 은닉 마르코프 모형을 결합한 방법을 제안한다. 시간에 따라 변화하는 커뮤니티 구조와 전이 동역학을 포착함으로써, 거래자 간 상호작용의 정확한 단기 예측과 체계적 리스크 사건의 고정밀도 식별을 가능하게 한다.

ABSTRACT

Over the last few years there has been a growing interest in using financial trading networks to understand the microstructure of financial markets. Most of the methodologies developed so far for this purpose have been based on the study of descriptive summaries of the networks such as the average node degree and the clustering coefficient. In contrast, this paper develops novel statistical methods for modeling sequences of financial trading networks. Our approach uses a stochastic blockmodel to describe the structure of the network during each period, and then links multiple time periods using a hidden Markov model. This structure allows us to identify events that affect the structure of the market and make accurate short-term prediction of future transactions. The methodology is illustrated using data from the NYMEX natural gas futures market from January 2005 to December 2008.

연구 동기 및 목표

• 시간에 따라 변화하는 금융 거래 네트워크의 구조를 기존 정적 서술적 요약을 넘어서서 모델링할 수 있는 통계적 프레임워크를 개발하는 것.
• 은닉 마르코프 모형을 활용해 잠재적 거래 커뮤니티와 그들의 동적 전이를 식별하여 시장 구조의 시간적 변화를 포착하는 것.
• 시간에 따라 변화하는 블록 구조에 대한 확률 분포로 전체 네트워크를 모델링함으로써 향후 거래의 정확한 단기 예측을 가능하게 하는 것.
• 네트워크 위상이 변화하는 시장 이벤트, 예를 들어 체계적 리스크 기간이나 거래 행동의 구조적 전환을 식별하는 것.
• 유연하고 확장 가능한 확률론적 접근를 통해 방향성과 가중치를 갖는 거래 네트워크를 나타내는 배열형 시계열 데이터에 적용하는 것.

제안 방법

• 각 시간 주기에서 유사한 상호작용 패턴을 기반으로 거래자를 커뮤니티로 군집화하기 위해 스토하스틱 블록모형을 사용하며, 커뮤니티 소속에 조건부로 독립임을 가정한다.
• 연속된 시간 주기 간의 연결을 위해 은닉 마르코프 모형(HMM)을 적용하여 네트워크의 잠재 상태(예: 커뮤니티 구조)를 이산 상태 간의 마르코프 과정으로 모델링한다.
• 블록 소속, 링크 확률, 전이 확률에 대해 조건부 공액 사전분포를 갖는 베이지안 계층 모형을 활용하여 전체 사후 분포 추론을 가능하게 한다.
• 블록 할당, 링크 확률, 전이 행렬, 하이퍼파ram터에 대한 완전조건부 분포를 활용한 지브스 샘플러를 구현하며, 비공액 파ram터에 대해서는 메트로폴리스-하스팅스 업데이트를 포함한다.
• 블록 수를 미리 정하지 않고 데이터에 적응하는 유연한 수를 허용하기 위해 포isson-디리클레 프로세스 사전분포를 사용한다.
• 베타-이항 및 딜리클레-다항 분포의 우도를 활용해 향후 링크의 예측 분포를 도입함으로써 향후 거래의 확률론적 예측을 가능하게 한다.

실험 결과

연구 질문

• RQ1 정적 요약 통계를 넘어서 시간에 따라 변화하는 금융 거래 네트워크의 구조를 어떻게 모델링할 수 있는가?
• RQ2 뉴욕 상품거래소(NYMEX) 천연가스 선물 시장에서 어떤 잠재적 커뮤니티 구조가 도출되며, 이는 시간에 따라 어떻게 변화하는가?
• RQ3 동적 네트워크 모형을 통해 향후 거래 상호작용을 높은 정확도로 예측할 수 있는가?
• RQ4 네트워크 위상과 커뮤니티 역학의 변화를 통해 어떤 시장 이벤트나 구조적 전환이 탐지될 수 있는가?
• RQ5 스토하스틱 블록모형과 은닉 마르코프 모형을 통합함으로써 정적 또는 순수 서술적 모형에 비해 예측 성능이 어떻게 향상되는가?

주요 결과

• 제안된 모형은 2005년에서 2008년 사이의 뉴욕 상품거래소(NYMEX) 천연가스 선물 시장에서 명확하고 시간에 따라 변화하는 거래 커뮤니티를 성공적으로 식별하였으며, 이는 거시경제적 사건과 연관된 시장 구조의 변화를 드러냈다.
• 모형은 향후 거래에 대해 높은 예측 정확도를 달성하였으며, 정적 네트워크 모형과 기본 ERGM 모형에 비해 성능이 뚜렷이 뛰어났다.
• 은닉 마르코프 구조는 다양한 네트워크 제도 간 전이를 효과적으로 포착하여, 커뮤니티 구성의 급격한 변화를 통해 체계적 리스크 이벤트를 탐지하는 데 기여했다.
• 비공액 사전분포와 메트로폴리스-하스팅스 업데이트를 활용함으로써, 특히 α와 β와 같은 하이퍼파ram터에 대해 완전한 공액이 없더라도 강력한 추론이 가능했다.
• 블록 소속과 링크 확률을 분석함으로써 주요 거래자와 빈번한 상대방을 식별하여 규제 감시 및 체계적 리스크 모니터링에 기여했다.
• 포아송-디리클레 프로세스 사전분포를 통해 미리 정해지지 않은, 데이터에 적응하는 커뮤니티 수를 허용함으로써 과적합을 방지하고 모형의 유연성을 향상시켰다.