[论文解读] Hierarchical structure and time-lag correlation in Worldwide Financial Markets

Zeyu Zheng, Kazuko Yamasaki|arXiv (Cornell University)|May 9, 2012

Complex Systems and Time Series Analysis被引用 3

一句话总结

本研究提出一种基于绝对交叉相关系数的改进最小生成树（MST）网络，以更好地捕捉金融资产之间的关系，包括反向相关的资产。研究发现，波动率动态存在显著的时间滞后（>20天），表明股票市场波动率可预测未来欧盟碳排放配额（EUA）和原油期货的波动率。

ABSTRACT

In a highly interdependent economic world, the nature of relationships between financial entities is becoming an increasingly important area of study. Recently, many studies have shown the usefulness of minimal spanning trees (MST) in extracting interactions between financial entities. Here, we propose a modified MST network whose metric distance is defined in terms of cross-correlation coefficient absolute values, enabling the connections between anticorrelated entities to manifest properly. We investigate 69 daily time series, comprising three types of financial assets: 28 stock market indicators, 21 currency futures, and 20 commodity futures. We show that though the resulting MST network evolves over time, the financial assets of similar type tend to have connections which are stable over time. In addition, we find a characteristic time lag between the volatility time series of the stock market indicators and those of the EU CO2 emission allowance (EUA) and crude oil futures (WTI). This time lag is given by the peak of the cross-correlation function of the volatility time series EUA (or WTI) with that of the stock market indicators, and is markedly different (>20 days) from 0, showing that the volatility of stock market indicators today can predict the volatility of EU emissions allowances and of crude oil in the near future.

研究动机与目标

• 通过使用绝对交叉相关系数作为距离度量，改进最小生成树（MST）网络，以包含反向相关关系，从而更好地表征金融相互依赖性。
• 分析MST网络中同类金融资产之间连接关系的时间稳定性，特别是同类型金融资产之间的连接。
• 研究股票市场指标波动率与欧盟碳排放配额（EUA）及原油（WTI）期货波动率之间的时滞相关性。
• 确定股票市场波动率是否可作为能源与碳市场波动率的领先指标。

提出的方法

• 构建一种改进的MST网络，其中金融资产之间的度量距离定义为它们交叉相关系数的绝对值。
• 使用69个每日时间序列：28个股票市场指数、21个货币期货和20个商品期货，覆盖广泛的金融工具。
• 应用股票市场指标波动率时间序列与EUA及WTI原油期货波动率时间序列之间的交叉相关函数（CCF），以检测时滞。
• 识别交叉相关函数达到峰值的时间滞后，以确定波动率序列之间的领先-滞后关系。
• 分析MST网络随时间的演变，评估同类资产之间连接关系的稳定性。
• 聚焦于波动率时间序列以检测预测关系，使用绝对值以在负相关关系中仍保留有意义的相关性。

实验结果

研究问题

• RQ1 与标准MST方法相比，使用绝对交叉相关系数作为距离度量的改进MST网络在表征金融相互依赖性方面有何提升？
• RQ2 在MST网络中，同类金融资产（如股票指数）之间的连接关系在时间上是否稳定？
• RQ3 股票市场指标波动率与欧盟碳排放配额（EUA）及原油（WTI）期货波动率之间是否存在显著的时间滞后？
• RQ4 当前的股票市场波动率是否能预测EUA和WTI市场的未来波动率？若能，其领先时间的大小是多少？

主要发现

• 通过使用绝对交叉相关系数作为距离度量，改进的MST网络成功捕捉到了反向相关金融资产之间的连接关系。
• 同类金融资产（如股票市场指数、货币期货和商品期货）在MST网络中随时间表现出稳定的连接关系。
• 在股票市场指标波动率与欧盟碳排放配额（EUA）及原油（WTI）期货波动率之间，观察到超过20天的显著时间滞后。
• 股票市场波动率与EUA或WTI波动率之间交叉相关函数的峰值出现在滞后超过20天的位置，表明具有预测能力。
• 当前的股票市场波动率可预测未来EUA和WTI市场的波动率，表明股票市场在能源与碳市场动态中具有领先作用。
• 该时间滞后显著不同于零，证实了领先-滞后关系具有统计学意义，而非随机相关。