[论文解读] A review of two decades of correlations, hierarchies, networks and clustering in financial markets

Gautier Marti, Frank Nielsen+2 more|arXiv (Cornell University)|Mar 1, 2017

Complex Systems and Time Series Analysis被引用 26

一句话总结

本文综述了过去二十年来金融市场上基于相关性的网络、层次结构与聚类研究，整合了计量经济学、机器学习和统计物理的方法。文章评估了标准方法——使用皮尔逊相关系数、距离转换和最小生成树——的同时，指出了其局限性，并通过共享数据与代码，倡导开放、可复现的研究实践。

ABSTRACT

We review the state of the art of clustering financial time series and the study of their correlations alongside other interaction networks. The aim of this review is to gather in one place the relevant material from different fields, e.g. machine learning, information geometry, econophysics, statistical physics, econometrics, behavioral finance. We hope it will help researchers to use more effectively this alternative modeling of the financial time series. Decision makers and quantitative researchers may also be able to leverage its insights. Finally, we also hope that this review will form the basis of an open toolbox to study correlations, hierarchies, networks and clustering in financial markets.

研究动机与目标

• 整合并系统化多学科领域中金融时间序列相关性、层次结构、网络与聚类分析的最新研究进展。
• 识别并批判广泛使用的基于相关性的最小生成树（MST）方法中的方法论缺陷。
• 通过倡导开放数据、开源代码及通过生成对抗网络（GANs）生成合成数据，解决实证金融研究中的可复现性问题。
• 为定量金融与复杂系统领域的从业者和研究人员提供一个开放共享工具箱的基础。

提出的方法

• 基于对数收益率使用皮尔逊相关系数量化金融资产之间的成对依赖关系：$ r_i(t) = \log P_i(t) - \log P_i(t-1) $。
• 通过 $ d_{ij} = \sqrt{2(1 - \rho_{ij})} $ 将相关系数转换为距离，从而在度量空间中实现几何解释。
• 应用克鲁斯卡尔算法构建最小生成树（MST），其表示具有 $ N-1 $ 条边且无环的唯一层次结构。
• 依赖单链聚类算法（SLCA）作为生成层次聚类的等效方法，尽管该方法存在已知的不稳定性问题。
• 评估替代方法，如替代相关性度量、鲁棒聚类算法（例如 ALCA）以及生成模型（如 GANs）在合成数据中的应用。
• 提出基准测试及数据与代码的开源共享，以提升研究间的可复现性与可比性。

实验结果

研究问题

• RQ1 在数据扰动和非高斯分布下，基于标准相关性MST与SLCA方法所得聚类的稳定性和可靠性如何？
• RQ2 相较于标准皮尔逊相关系数与SLCA，替代相关性度量与聚类算法在提升鲁棒性与可解释性方面有多大改进？
• RQ3 为何金融网络研究中仍存在相互矛盾的实证发现，例如关于中心性在投资组合表现中作用的结论相互冲突？
• RQ4 金融网络研究中可复现性的主要挑战是什么？如何通过开放科学实践加以缓解？
• RQ5 生成模型（如 GANs）是否能够实现匿名化、真实的合成金融数据集，以支持共享基准与方法验证？

主要发现

• 标准MST与SLCA方法因‘链状现象’及对异常值的敏感性而广为人知地不稳定，尤其在非高斯收益率分布下更为明显。
• 尽管相关性值较高，相关性网络中的链接并不总是具有统计可靠性，实证研究表明相关性强度与估计可靠性之间并无一致关系。
• 在金融危机期间，聚类通常变得不那么稳定，但部分研究使用替代方法（如p-中位数问题）报告了更高的稳定性。
• 最小方差投资组合与基于网络的投资组合有时会选择相同资产，但这并非普遍成立，表明经验上的重叠可能源于特定的市场相关性结构，而非方法论上的等价性。
• Cramér–Rao下界表明高相关性更容易估计（不确定性更低），这与某些实证观察相矛盾，即高相关性链接表现出较高的变异性。
• 金融网络研究中尚无广泛接受的基准或标准数据集，导致重复实现偏差严重，研究可复现性差。