[논문 리뷰] Multifractal analysis of financial markets

Zhi‐Qiang Jiang, Wen-Jie Xie외 2명|RePEc: Research Papers in Economics|2018. 05. 12.

Complex Systems and Time Series Analysis인용 수 21

한 줄 요약

이 논문은 금융 시계열에 적용된 다중분形 분석 기법과 모델에 대한 종합적인 리뷰를 제공하며, MF-DFA, 웨이블릿 리더, MF-DCCA 등의 기법을 체계적으로 비교한다. 다중분형성은 비선형 상관관계와 꼬리가 두꺼운 분포에 의해 유도되며 금융 시장 전반에 널리 퍼져 있으며, 이는 리스크 관리 및 시장 효율성 평가에 유용하다고 확인된다.

ABSTRACT

Multifractality is ubiquitously observed in complex natural and socioeconomic systems. Multifractal analysis provides powerful tools to understand the complex nonlinear nature of time series in diverse fields. Inspired by its striking analogy with hydrodynamic turbulence, from which the idea of multifractality originated, multifractal analysis of financial markets has bloomed, forming one of the main directions of econophysics. We review the multifractal analysis methods and multifractal models adopted in or invented for financial time series and their subtle properties, which are applicable to time series in other disciplines. We survey the cumulating evidence for the presence of multifractality in financial time series in different markets and at different time periods and discuss the sources of multifractality. The usefulness of multifractal analysis in quantifying market inefficiency, in supporting risk management and in developing other applications is presented. We finally discuss open problems and further directions of multifractal analysis.

연구 동기 및 목표

• 금융 시계열에 적용 가능한 다중분형 분석 기법을 체계화하고 비교하기.
• 금융 데이터의 다중분형성 원인을 규명하여 진정한 다중분형성과 꼬리가 두꺼운 분포 또는 추세로 인한 허위 다중분형성과를 구분하기.
• 특히 짧거나 노이즈가 많은 시계열에서 다양한 다중분형 추정 기법의 성능을 평가하기.
• 다중분형 분석의 실용적 응용, 즉 리스크 관리, 자산 가격 결정, 금융 네트워크 모델링 분야에서의 활용 가능성을 부각하기.
• 스케일링 범위 선택 및 방법론의 일관성 문제와 같은 열린 과제를 밝히고 향후 연구 방향을 제안하기.

제안 방법

• 분할 함수 접근법(MF-PF)을 활용하여 분할 함수의 스케일링 행동을 통해 일반화된 차원과 질량 지수를 추정한다.
• 구조 함수 기법(MF-SF, MF-FA)과 확장된 자기유사성(extended self-similarity)을 적용하여 스케일링 범위 추정을 향상시키고 유한한 크기 효과를 감소시킨다.
• 웨이블릿 기반 기법, 특히 WTMM과 웨이블릿 리더(MF-WL)를 사용하여 노이즈에 강건한 局소 다중분형 분석을 수행한다.
• 정규화된 변동성 접근법(MF-DFA, MF-DMA)을 도입하여 추세를 제거하고 내재된 다중분형 성질을 추출한다.
• 교차 상관관계를 분석하기 위해 통합 다중분형 분석(MF-X-PF, MF-DCCA, MF-WCA)을 적용한다.
• 다중분형 동역학을 시뮬레이션하기 위해 다중분형 무작위 보행(MRW), 마코프 전환 다중분형( MSM), 에이전트 기반 모델 등을 검토하고 비교한다.

실험 결과

연구 질문

• RQ1 특히 유한한 크기와 노이즈 조건에서 금융 시계열에 가장 강건하고 정확한 다중분형 분석 기법은 무엇인가?
• RQ2 금융 시장의 다중분형성의 주요 원인은 무엇인가? 비정규 분포, 장기 의존성, 비선형 상관관계 중 어느 것인가?
• RQ3 추세, 주기성, 덧셈 노이즈는 다중분형 스펙트럼과 스케일링 지수 추정에 어떤 영향을 미치는가?
• RQ4 다중분형 분석은 금융 시스템에서 리스크 관리 및 시장 효율성 평가에 어느 정도 향상시킬 수 있는가?
• RQ5 에이전트 기반 모델은 금융 시계열에서 다중분형 행동을 생성하고 설명하는 데 어떤 역할을 하는가?

주요 결과

• 다양한 시장과 시간 범위에서 수익률, 변동성, 거래량, 거래 간격 등 다양한 금융 시계열에서 다중분형성이 널리 관찰된다.
• 다양한 기법의 성능은 모델에 따라 상당히 다름; MF-DFA, MF-DMA, 웨이블릿 리더는 강건성과 정확성 측면에서 권장됨.
• 긴 짧은 시계열에서 꼬리가 두꺼운 분포와 추세로 인해 허위 다중분형성이 발생함; 이에 따라 사전 처리 및 스케일링 범위 선택에 주의가 필요함.
• 비선형 상관관계와 꼬리가 두꺼운 분포는 다중분형성에 필수적이지만 충분하지 않음; 진정한 다중분형성은 장기 의존성 또는 곱셈 캐스케이드와 같은 추가 메커니즘이 필요함.
• 통합 다중분형 분석은 공통의 주요 요인을 제거한 후에도 수익률-변동성, 가격-거래량 동적 관계 등 금융 시리즈 간의 내재된 교차 상관관계를 드러냄.
• 에이전트 기반 모델은 다중분형성의 거시적 기반을 제공하며, 이는 이질적인 에이전트 행동이 실제로 시장에서 관찰되는 거시적 다중분형 패턴을 생성할 수 있음을 시사한다.