[논문 리뷰] What can we see from Investment Simulation based on Generalized (m,2)-Zipf law?

Hokky Situngkir, Yohanes Surya|CogPrints (University of Southampton)|2005. 04. 28.

Complex Systems and Time Series Analysis참고 문헌 3인용 수 4

한 줄 요약

이 논문은 가격 변동을 길이 m인 텍스트적 '단어'로 변환함으로써 금융 시계열을 분석하기 위해 일반화된 (m,2)-Zipf 법칙을 사용하는 새로운 투자 시뮬레이션 프레임워크를 제안한다. 단어 빈도를 순위화하고 강도 매개변수 D(t)를 적용함으로써 시장 방향을 예측하고 포트폴리오 성장을 시뮬레이션하며, 더 큰 시간 스케일에서 더 긴 지배적 단어 길이가 더 작은 스케일에서 더 짧은 길이와 관련이 있음을 밝혀내었고, 이는 막대함과 시장 추세의 지속성 및 기억성과 연결된다.

ABSTRACT

The paper revisits the investment simulation based on strategies exhibited by Generalized (m,2)-Zipf law to present an interesting characterization of the wildness in financial time series. The investigations of dominant strategies on each specific time series shows that longer words dominant in larger time scale exhibit shorter dominant ones in smaller time scale and vice versa. Moreover, denoting the term wildness based on persistence over short term trend and memory represented by particular length of words, we can see how wild historical fluctuations over time series data coped with the Zipf strategies.

연구 동기 및 목표

• 가격 변동을 텍스트 기반 시퀀스로 변환함으로써 금융 시장 역학을 특성화하기 위한 새로운 분석 프레임워크를 개발하는 것.
• 일반화된 (m,2)-Zipf 법칙 하에서 지배적 단어 패턴의 구조와 관련하여 금융 시계열의 단기 추세 지속성과 기억 효과가 어떻게 관련되어 있는지 조사하는 것.
• 단어 빈도 순위 기반으로 투자 전략을 시뮬레이션하고 다양한 시간 스케일 및 금융 상품에서의 성능을 평가하는 것.
• 지배적 단어 길이(m)와 금융 시계열 데이터의 '막대함' 간의 관계를 탐색하는 것.
• 큰 시간 스케일(예: 일일)에서의 지배적 전략이 더 작은 스케일(예: 시간별 또는 세션별)에서 더 긴지 더 짧은 단어 길이와 관련이 있는지 확인하는 것.

제안 방법

• 시간 간격이 1시간인 시간대에서 가격 상승을 'u'로, 하락을 'd'로 표시하여 금융 시계열 데이터를 길이 m인 이진 '단어'로 변환한다.
• 일반화된 (m,2)-Zipf 법칙을 적용하여 단어 빈도를 순위화하며, 순위 R과 빈도 f 사이의 역관계를 f ≈ R^(-a)로 모델링하며, 여기서 a = |2H - 1|이다.
• 상승/하락 확률의 편향을 보정하기 위해 f' = p^m-n(u) * p^n(d)를 사용하며, 여기서 p(u)와 p(d)는 상승 및 하강 움직임의 경험적 확률이다.
• 예측 강도 D(t) = |(p_up(t) - p_down(t)) / (p_up(t) + p_down(t))|를 계산하여 시간 t에서 매수 또는 매도할 투자 비중을 결정한다.
• 시간에 따라 총 포트폴리오 가치를 ψ_total = ψ_start + Σ(p_i - p_i-1) * D_i로 시뮬레이션하며, ψ(t) = ψ(t-1) + [p(t) - p(t-1)] * D(t)로 정의한다.
• 다양한 m 값(예: Zipf(2,2), Zipf(7,2)) 간 성능을 비교하여 지배적 전략을 식별하고 지속성 및 기억성에 기반한 막대함을 평가한다.

실험 결과

연구 질문

• RQ1 동일한 금융 상품에 대해 (m,2)-Zipf 프레임워크에서 지배적 단어 길이(m)가 일일 데이터와 시간대 데이터 등 다양한 시간 스케일에서 어떻게 변하는가?
• RQ2 일반화된 (m,2)-Zipf 법칙 하에서 단어 시퀀스에 포함된 기억 효과와 단기 추세의 지속성 간의 관계는 무엇인가?
• RQ3 변동성과 기억성에 기반한 금융 시계열의 막대함이 투자 시뮬레이션에서 최적의 m 값과 어떻게 관련되어 있는가?
• RQ4 외환 환율과 같은 높은 변동성(예: 달러/엔, 유로/달러)은 DJIA나 NASDAQ와 같은 변동성이 낮은 지수에 비해 짧은 지배적 단어 길이를 보일까?
• RQ5 여러 금융 상품에 걸쳐 더 큰 시간 스케일에서의 지배적 단어 길이와 더 작은 스케일에서의 길이 사이에 체계적인 역관계가 존재하는가?

주요 결과

• 자카르타 종합지수(IHSG)는 Zipf(6,2) 전략에서 최적의 성능를 보였고, DJIA와 NASDAQ은 각각 Zipf(4,2)와 Zipf(5,2)에서 최고의 성능를 기록했다.
• 항싱 지수에서는 일일 데이터에서 지배적 전략이 Zipf(7,2)였고, 세션별 데이터에서는 Zipf(4,2), 시간대 데이터에서는 Zipf(3,2)였으며, 이는 더 세밀한 시간 스케일에서 단어 길이가 짧아지는 것을 보여준다.
• 니케이225의 경우 일일 데이터에서는 지배적 전략이 Zipf(3,2)였고, 세션별 및 시간대 시뮬레이션에서는 더 긴 단어들(Zipf(6,2))로 변화하여 항싱에서 관찰된 반대 패tern을 보였다.
• 파운드/달러는 일일 데이터에서 지배적 전략이 Zipf(7,2)였고, 시간대 데이터에서는 Zipf(8,2)였으며, 이는 이 금융 상품에서 시간 스케일이 증가함에 따라 단어 길이가 증가하는 경향을 보인다.
• 엔/달러 및 유로/달러와 같은 외환 환율은 짧은 단어 길이(Zipf(3,2), Zipf(2,2))에서 더 높은 성능를 보였으며, 이는 짧은 지속성과 기억성으로 인해 더 높은 막대함을 의미한다.
• 이 연구는 더 큰 시간 스케일에서의 긴 지배적 단어 길이가 더 작은 스케일에서 짧은 길이와 관련이 있으며, 반대로도 성립함을 확인하였으며, 이는 시장 역학에서 시간 스케일에 따라 변하는 구조적 특성을 드러낸다.