[논문 리뷰] Characterization of catastrophic instabilities: Market crashes as paradigm

Anirban Chakraborti, Kiran Sharma외 4명|arXiv (Cornell University)|2018. 01. 22.

Complex Systems and Time Series Analysis참고 문헌 16인용 수 3

한 줄 요약

이 논문은 주가 수익률의 비선형적으로 왜곡된 상관계수 행렬의 고유스pektr럼을 사용하여 금융 시장에서의 치명적인 불안정성을 탐지하고 특성화하는 새로운 방법을 제안한다. 1985년 이후 미국 및 일본 시장에서 짧은 시간 구간을 분석함으로써, 도출된 스펙트럼의 가장 작은 고유값이 내부 시장의 요동과 외부 충격을 통계적으로 구분함을 보여주며, 평균 시장 상관계수와 유의미한 시차 상관관계를 보이며, 복잡한 시스템에서의 체계적 리스크를 진단하는 데 새로운 도구를 제공한다.

ABSTRACT

Catastrophic events, though rare, do occur and when they occur, they have devastating effects. It is, therefore, of utmost importance to understand the complexity of the underlying dynamics and signatures of catastrophic events, such as market crashes. For deeper understanding, we choose the US and Japanese markets from 1985 onward, and study the evolution of the cross-correlation structures of stock return matrices and their eigenspectra over different short time-intervals or "epochs". A slight non-linear distortion is applied to the correlation matrix computed for any epoch, leading to the emerging spectrum of eigenvalues. The statistical properties of the emerging spectrum display: (i) the shape of the emerging spectrum reflects the market instability, (ii) the smallest eigenvalue may be able to statistically distinguish the nature of a market turbulence or crisis -- internal instability or external shock, and (iii) the time-lagged smallest eigenvalue has a statistically significant correlation with the mean market cross-correlation. The smallest eigenvalue seems to indicate that the financial market has become more turbulent in a similar way as the mean does. Yet we show features of the smallest eigenvalue of the emerging spectrum that distinguish different types of market instabilities related to internal or external causes. Based on the paradigmatic character of financial time series for other complex systems, the capacity of the emerging spectrum to understand the nature of instability may be a new feature, which can be broadly applied.

연구 동기 및 목표

• 복잡한 시스템에서의 치명적인 불안정성의 역학적 서명을 이해하기 위해 금융 시장 붕괴를 대표적인 사례로 삼는다.
• 비정상적이고 고차원적인 금융 시계열을 분석하는 데 있어 전통적인 랜덤 행렬 이론의 한계를 해결한다.
• 퇴화를 방지하기 위해 비선형 왜곡을 적용하여 특이 상관계수 행렬로부터 의미 있는 신호를 추출하는 방법을 개발한다.
• 유도된 스펙트럼의 가장 작은 고유값이 내부 시장 불안정성과 외부 충격을 어떻게 구분하는지 조사한다.
• 이 스펙트럼적 접근법이 금융 이외의 복잡한 시스템, 특히 희귀한 치명적인 사건을 보이는 시스템에 어떻게 일반화될 수 있는지 평가한다.

제안 방법

• 1985년 이후의 장기 금융 시계열을 고정된 크기 M의 겹치지 않는 짧은 시간 구간으로 나누어 정상성 가정을 향상시킨다.
• 각 구간 내에서 N개 주식 수익률의 상관계수 행렬을 계산하여, N−M+1개의 영 고유값을 가진 매우 특이한 행렬을 생성한다.
• 퇴화를 깨뜨리고 잘 분리된 '유도 스펙트럼'의 고유값을 생성하기 위해 작은 비선형 '파워 맵' 왜곡을 상관계수 행렬에 적용한다.
• 특히 가장 작은 고유값과 그 시간에 따른 변화를 중심으로, 유도된 고유스펙트럼의 통계적 성질을 분석한다.
• 가장 작은 고유값이 평균 시장 상관계수와 상관관계를 가지는지의 여부를 시차 상관 분석을 통해 검증한다.
• 기존의 시장 붕괴 사례(예: 1987년, 1998년, 2008년) 동안 가장 작은 고유값의 행동을 분석하여 내부적 요동과 외부 충격을 구분하는 패턴을 식별한다.

실험 결과

연구 질문

• RQ1 비선형적으로 왜곡된 상관계수 행렬의 고유스펙트럼이 시장 불안정성의 조기 신호를 드러내는가?
• RQ2 유도 스펙트럼에서 가장 작은 고유값이 내부 시장 요동과 외부 충격에 대해 통계적으로 구별되는 특징을 지니는가?
• RQ3 가장 작은 고유값과 평균 시장 상관계수 사이에 통계적으로 유의미한 시차 상관관계가 존재하는가?
• RQ4 제안된 방법이 금융 시장에서의 다양한 종류의 치명적인 불안정성 구분이 가능한가?
• RQ5 이 스펙트럼적 접근법이 금융 외의 다른 복잡한 시스템으로 얼마나 일반화될 수 있는가?

주요 결과

• 유도된 고유스펙트럼의 형태는 시장 불안정성 수준을 반영하며, 고도의 변동성 기간 동안 더 두드러진 왜곡을 보인다.
• 가장 작은 고유값은 내부 시장 불안정성과 외부 충격 간에 통계적으로 유의미한 분포 차이를 보이며, 분류 가능성을 제공한다.
• 시차를 고려한 가장 작은 고유값은 평균 시장 상관계수와 통계적으로 유의미한 상관관계를 보이며, 예측 가능성 잠재력을 시사한다.
• 가장 작은 고유값은 평균 상관계수와 유사한 방식으로 시장 요동을 포착하지만, 구조적 변화에 더 민감한 감도를 보인다.
• 이 방법은 주요 시장 붕괴(예: 1987년, 1998년, 2008년)에 대해 고유한 스펙트럼 서명을 성공적으로 식별하여 진단 능력을 검증한다.
• 이 접근법은 금융 시장처럼 고차원적이고 비정상적인 시스템에서 치명적인 불안정성을 탐지하는 데 있어 강력하고 비모수적 방법을 제공한다.