[논문 리뷰] Stock markets reconstruction via entropy maximization driven by fitness and density

Tiziano Squartini, Guido Caldarelli외 1명|arXiv (Cornell University)|2016. 06. 01.

Complex Systems and Time Series Analysis참고 문헌 10인용 수 3

한 줄 요약

이 논문은 기업 시가총액과 링크 밀도를 활용하여 연결 확률과 위치 가중치를 고밀도 보정된 중력 모델을 통해 추론함으로써, 집계 데이터에서 주식시장 네트워크를 재구성하기 위한 새로운 엔트로피 최대화 방법을 제안한다. 이 방법은 기존 방법보다 더 정확하고 덜 빽빽한 네트워크를 생성하여 체계적 리스크를 더 잘 예측한다.

ABSTRACT

The spreading of financial distress in capital markets and the resulting systemic risk strongly depend on the detailed structure of financial interconnections. Yet, while financial institutions have to disclose their aggregated balance sheet data, the information on single positions is often unavailable due to privacy issues. The resulting challenge is that of using the aggregate information to statistically reconstruct financial networks and correctly predict their higher-order properties. However, standard approaches generate unrealistically dense networks, which severely underestimate systemic risk. Moreover, reconstruction techniques are generally cast for networks of bilateral exposures between financial institutions (such as the interbank market), whereas, the network of their investment portfolios (i.e., the stock market) has received much less attention. Here we develop an improved reconstruction method, based on statistical mechanics concepts and tailored for bipartite market networks. Technically, our approach consists in the preliminary estimation of connection probabilities by maximum-entropy inference driven by entities capitalizations and link density, followed by a density-corrected gravity model to assign position weights. Our method is successfully tested on NASDAQ, NYSE and AMEX filing data, by correctly reproducing the network topology and providing reliable estimates of systemic risk over the market.

연구 동기 및 목표

• 개인 위치 데이터가 개인정보 보호 제약으로 인해 이용 불가능한 상황에서 금융 네트워크를 재구성하는 문제를 해결하기 위해.
• 표준 재구성 방법이 현실적으로 빽빽한 네트워크를 생성하여 체계적 리스크를 과소 평가하는 한계를 극복하기 위해.
• 은행 간 거래가 아닌 투자 포트폴리오의 이원형 시장 네트워크에 특화된 방법을 개발하기 위해.
• 집계된 손익계산서 데이터로부터 고차원 네트워크 성질을 유지함으로써 체계적 리스크 추정의 정확도를 향상시키기 위해.
• 실제 주식거래소 데이터(NASDAQ, NYSE, AMEX)를 바탕으로 네트워크 구조와 리스크 예측의 신뢰성을 확보하기 위해 방법을 검증하기 위해.

제안 방법

• 방법은 기업 시가총액과 전체 링크 밀도를 바탕으로 연결 확률을 추정하는 최대 엔트로피 추론으로 시작된다.
• 실제적인 네트워크 구조를 확보하기 위해 적합성(시가총액)과 밀도 제약 조건을 통합한다.
• 추론된 위치에 대한 가중치를 할당하기 위해 밀도 보정된 중력 모델을 적용하여 링크 가중치의 현실성 향상.
• 기관이 다른 기업의 주식 포지션을 보유하는 이원형 시장 네트워크에 특별히 적응된 방법이다.
• 실제 주식시장 데이터와의 비교를 통해 네트워크의 위상 성질과 체계적 리스크 측정치를 기반으로 재구성 과정을 검증한다.
• 기본 물리학 원리를 활용하여 알려진 집계 제약 조건과 일치하는 가장 편향 없는 네트워크 재구성 보장.

실험 결과

연구 질문

• RQ1 개인 위치 세부 정보에 접근할 수 없지만 집계된 손익계산서 데이터만 있는 상황에서 정확한 주식시장 네트워크를 재구성할 수 있는가?
• RQ2 어떻게 하면 현실적으로 빽빽한 네트워크를 생성하는 것을 방지하고 체계적 리스크를 과소 평가하지 않도록 재구성 성능을 향상시킬 수 있는가?
• RQ3 기업의 시가총액과 전체 링크 밀도는 어떻게 현실적인 네트워크 구조를 생성하는 데 기여하는가?
• RQ4 밀도 보정된 중력 모델은 재구성된 네트워크에서 위치 가중치 추정의 정확도를 향상시킬 수 있는가?
• RQ5 제안된 방법은 고차원 네트워크 성질을 유지하고 신뢰할 수 있는 체계적 리스크 추정치를 도출할 수 있는가?

주요 결과

• 제안된 방법은 개인 위치 정보 없이도 집계 데이터만으로도 실제 주식시장(NASDAQ, NYSE, AMEX)의 위상적 구조를 성공적으로 재현한다.
• 표준 방법이 생성하는 네트워크보다 재구성된 네트워크가 상당히 덜 빽빽하여 더 정확한 체계적 리스크 평가로 이어진다.
• 최대 엔트로피 추론을 통해 적합성(시가총액)과 밀도 제약 조건을 통합함으로써 연결 확률의 현실성 향상.
• 밀도 보정된 중력 모델은 위치 가중치 할당의 정확도를 향상시켜 네트워크의 정밀도 향상에 기여한다.
• 재구성된 네트워크에서 유도된 체계적 리스크 추정치는 실제 주식시장 데이터와 매우 유사하여 방법의 예측 능력을 검증한다.
• 리스크 분석에 핵심적인 고차원 네트워크 성질을 유지함으로써 표준 재구성 기법보다 성능이 뛰어나다.