[论文解读] Market structure dynamics during COVID-19 outbreak

Pier Francesco Procacci, Carolyn E. Phelan+1 more|arXiv (Cornell University)|Mar 23, 2020

Market Dynamics and Volatility参考文献 3被引用 6

一句话总结

本研究对1999年至2020年3月期间的623只美国股票应用无监督聚类，使用最大化似然的精度矩阵来检测市场结构的动态演变。研究发现，在新冠疫情初期，美国市场结构迅速转向类似危机的状态，其特征与2008年金融危机相似，且该状态的似然度与美国报告的感染率同步上升，表明一种独特且可能全新的市场制度正在出现。

ABSTRACT

In this note, we discuss the impact of the COVID-19 outbreak from the perspective of the market-structure. We observe that the US market-structure has dramatically changed during the past four weeks and that the level of change has followed the number of infected cases reported in the USA. Presently, market-structure resembles most closely the structure during the middle of the 2008 crisis but there are signs that it may be starting to evolve into a new structure altogether. This is the first article of a series where we will be analyzing and discussing market-structure as it evolves to a state of further instability or, more optimistically, stabilization and recovery.

研究动机与目标

• 理解在新冠疫情早期这一前所未有的冲击下，市场结构如何动态演变。
• 识别疫情期间的当前市场状态是否与过去危机（尤其是2008年金融危机）相似。
• 探究市场是否正在进入一个与历史压力时期不同的新结构性制度。
• 开发一种稳健、基于数据的方法，用于检测极端波动期间的市场结构变化。

提出的方法

• 基于调整后对数似然最大化进行无监督聚类，从623只美国股票的日对数收益中检测内在的市场结构状态。
• 应用带切换惩罚参数（γ = 100）的惩罚似然函数，以抑制频繁的状态转换。
• 采用LoGo方法为每个聚类估计稀疏精度矩阵（Jₖ），以捕捉资产之间的条件依赖关系。
• 最大化调整后对数似然：ℒ̃ₜ,ₖ = -½(Xₜ - μₖ)ᵀJₖ(Xₜ - μₖ) + ½log|Jₖ| - γ𝟏{Kₜ₋₁ ≠ k}，以偏好稳定且高似然的状态。
• 通过比较主导的‘牛市’状态（2008年后）与‘危机’状态（类似2008年）的似然度，量化随时间推移的结构性转变。
• 在不同聚类数量（如2、4、6）下验证结果的稳健性，主分析采用4个聚类。

实验结果

研究问题

• RQ1 美国股市结构在新冠疫情早期阶段如何变化？
• RQ2 疫情期间出现的新市场状态是否与2008年金融危机或另一历史制度相似？
• RQ3 市场结构性转变的时间是否与美国报告的COVID-19病例数相关？
• RQ4 与基于距离最小化的方法相比，使用惩罚切换的似然聚类是否能更有效地检测市场压力状态？
• RQ5 当前疫情期间的市场结构与过去危机相比是否本质上不同，还是仅重复了已知的压力制度？

主要发现

• 2008年类似危机市场状态的似然度在2020年3月急剧上升，与美国确诊COVID-19病例数的上升同步。
• 危机状态与牛市状态的对数似然比在2020年2月下旬转为正值，并在整个3月保持主导地位，表明发生了结构性转变。
• 当前市场结构与2008年危机期（尤其是其中心阶段）高度相似，但显示出向新制度分化的迹象。
• 由于采用似然最大化，该聚类方法在检测危机状态方面比以往基于距离的方法具有更高的敏感性。
• 在不同聚类数量（2、4、6）下结果均具稳健性，证实了所检测到的结构性状态的稳定性。
• 初步分析表明，当前市场状态最终可能与2008年危机及1990年代末均不同，表明可能存在一种全新的市场制度。