[論文レビュー] Sector identification in a set of stock return time series traded at the London Stock Exchange

Claudia Coronnello, Michele Tumminello+3 more|ArXiv.org|Aug 4, 2005

Complex Systems and Time Series Analysis参考文献 3被引用数 7

ひとこと要約

本研究では、ロンドン証券取引所に上場する92銘柄の株式の相関行列から経済セクター構造を特定する目的で、ランダム行列理論（RMT）、階層的クラスタリング（シングルリンク/エーブレージ・リンク）および平面的マクシマム・フィルタード・グラフ（PMFG）手法を比較した。2002年の日次および5分間のリターンデータを用いて、各手法が異なるセクタークラスタを明らかにした。RMTは消費耐久財非周期的セクターで優れた性能を示し、クラスタリング手法は金融およびサービスセクターで優れた性能を示した。本研究は、相関行列に内在する経済的情報を完全に捉えるには、単一の手法では不十分であり、複数の手法を併用する必要があることを示している。

ABSTRACT

We compare some methods recently used in the literature to detect the existence of a certain degree of common behavior of stock returns belonging to the same economic sector. Specifically, we discuss methods based on random matrix theory and hierarchical clustering techniques. We apply these methods to a portfolio of stocks traded at the London Stock Exchange. The investigated time series are recorded both at a daily time horizon and at a 5-minute time horizon. The correlation coefficient matrix is very different at different time horizons confirming that more structured correlation coefficient matrices are observed for long time horizons. All the considered methods are able to detect economic information and the presence of clusters characterized by the economic sector of stocks. However different methods present a different degree of sensitivity with respect to different sectors. Our comparative analysis suggests that the application of just a single method could not be able to extract all the economic information present in the correlation coefficient matrix of a stock portfolio.

研究の動機と目的

• RMT、階層的クラスタリング（SLCA/ALCA）、およびPMFGの有効性を評価・比較し、株式リターン相関行列における経済セクター構造の同定を目的とする。
• 時間スケール（日次対5分間リターン）が、金融時系列におけるセクター基盤の相関構造の検出可能性に与える影響を調査する。
• 異なる手法が、同一の相関行列から重複するか、補完的な経済的情報を抽出するかを特定する。
• 特に、弱いまたは複雑なセクター間相関を示すセクターに対して、各手法の感受性を評価する。
• 複数の手法を併用することで、単一の手法に比べて市場構造をより包括的に特定できることを実証的に示す。

提案手法

• 標準的な式を用いて、92銘柄のLSE株式の同期的対数リターン間の相関係数を計算する：$\rho_{ij}(\Delta t) = \frac{\langle r_i r_j \rangle - \langle r_i \rangle \langle r_j \rangle}{\sqrt{(\langle r_i^2 \rangle - \langle r_i \rangle^2)(\langle r_j^2 \rangle - \sample r_j \rangle^2)}}$。
• ランダム行列理論（RMT）を用いて、確率的ゆらぎに起因しない統計的に頑健な固有値および固有ベクトルを特定する。
• シングルリンク・クラスタリング（SLCA）および平均リンク・クラスタリング（ALCA）を用いて、相関行列から階層的ツリーを構築し、連動する銘柄のクラスタを同定する。
• 平面性制約を相関に基づくネットワークに課すことにより、平面的マクシマム・フィルタード・グラフ（PMFG）を構築し、階層的構造を保持するとともにノイズをフィルタリングする。
• 正規化された指標 $q_s^4 = c_4 / (n_s - 3)$ および $q_s^3 = c_3 / (3n_s - 8)$ を用いて、セクター内接続強度を定量化する。ここで $c_4$ および $c_3$ は、PMFGにおけるセクター内リンク数を表す。
• 相関行列の構造的差異を比較するため、日次および5分間リターンの2つの時間スケールで結果を分析する。

実験結果

リサーチクエスチョン

• RQ1 RMT、階層的クラスタリング（SLCA/ALCA）、およびPMFG手法は、株式リターン相関行列における経済セクタークラスタの同定において、どのように比較されるか？
• RQ2 時間スケール（日次対5分間リターン）は、セクター基盤の相関構造の検出可能性にどのような影響を及えるか？
• RQ3 金融、サービス、消費耐久財非周期的など、特定の経済セクターに対して、どの手法が最も感受性を示すか？
• RQ4 異なる手法の結果は、どの程度重複し、あるいは相補的な情報を提供するか？
• RQ5 複数手法を併用することで、単一手法を独立して用いる場合に比べ、より包括的な経済的情報を抽出できるか？

主な発見

• 相関行列の構造は、日次時間スケールにおいて5分間スケールよりも顕著に洗練されている。これは、マーケット参加者が資産間相関を反映するのに時間が必要であることを示している。
• RMTは、マーケット要因（1番目の固有ベクトル）、消費耐久財非周期的（2番目）、金融（3番目）、テクノロジー・キャピタル・グッズ（4〜5番目）、ヘルスケア（6番目）のセクターを、主な固有値成分として特定した。
• RMTはサービスセクターを同定できなかったが、SLCAおよびALCAはその銘柄の部分的または限定的な集約を同定した。これは、このセクターに対して感受性が低いことを示している。
• サービスセクターは弱いセクター内接続性を示す：5分間スケールで $q_s^3 \approx 0.06$ であり、大規模なセクターであるにもかかわらず、内部相関が疎であることを示している。
• SLCAは高レベルの相関を強調するが、ALCAはクラスタ内での平均化を施すため、階層的構造の同定に特に有効である。
• PMFGは、MST（最小全域木）を超えた定量的で、セクター間およびセクター内接続性を明らかにし、特にセクター間依存性の理解に追加のインサイトを提供した。