[论文解读] Study of the Correlations Between Stocks of Different Markets
本研究利用随机矩阵理论与最小生成树方法，分析伦敦与纽约证券交易所股票之间的跨市场相关性。研究发现，尽管市场在地理上仍保持显著分离，但纽约市场的影响在第三大特征向量中微妙显现，表明存在跨市场行业层面的影响，尤其体现在石油与天然气及公用事业板块，整体市场层面的整合程度并不显著。
We study correlations of a set of stocks selected from both the New York and London stock exchanges. Results are displayed using both Random Matrix Theory approach and the graphical visualisation of the Minimal Spanning Tree. For the set of stocks we study, cross correlations between markets do not mix the markets significantly. Geographical differences seem to dominate the output of a Random Matrix analysis. Only at the level of the third highest eigenvector do we see an effect of New York on the London data with the emergence of some common sectors with the larger eigenvectors in London and New York. The Minimal Spanning Trees show the broad separation of the markets as reflected in the second eigenvector of the Random Matrix analysis. However more detail is difficult to discern from the Minimal Spanning Trees analysis.
研究动机与目标
- 调查伦敦与纽约证券交易所的股票是否表现出显著的跨市场相关性。
- 确定在金融相关性结构中，行业板块聚类还是地理市场位置占据主导地位。
- 评估纽约市场通过跨相关性对伦敦市场的影响程度。
- 比较随机矩阵理论与最小生成树方法在揭示市场结构方面的有效性。
提出的方法
- 计算1994年至2007年共3,127个交易日间，来自纽约证券交易所与伦敦证券交易所的939只大盘股的对数收益率，排除双重上市股票。
- 使用归一化收益率构建相关性矩阵，元素由标准相关系数公式定义。
- 应用随机矩阵理论分析特征值谱，识别相关性矩阵中的非随机结构。
- 利用相关性矩阵的特征向量识别行业与市场整体的模式，特别关注前三个特征向量。
- 采用最小生成树（MST）可视化方法以图形方式呈现相关性结构，使用颜色编码表示行业板块与市场标识。
- 进行对比分析，比较同日相关性与伦敦市场数据比纽约市场提前一天的相关性，以检验领先滞后效应。
实验结果
研究问题
- RQ1伦敦与纽约证券交易所的股票是否表现出超越各自市场内部相关性的显著跨市场相关性？
- RQ2在股票相关性网络的聚类结构中，地理市场位置与行业板块哪一个起主导作用？
- RQ3纽约市场在多大程度上影响了伦敦市场的相关性结构？
- RQ4随机矩阵理论的结果与最小生成树可视化结果在揭示市场动态方面有何差异？
主要发现
- 相关性矩阵的最大特征向量反映了共同的市场整体趋势，表明两个交易所之间存在整体市场走势的一致性。
- 第二大特征向量揭示了纽约证券交易所与伦敦证券交易所股票之间明显的地理分离，与基于市场的聚类一致。
- 第三大特征向量显示纽约市场对伦敦市场存在可测量的影响，尤其体现在石油与天然气及公用事业板块，表明存在跨市场行业相关性。
- 当伦敦市场数据比纽约市场提前一天时，纽约市场对伦敦市场的影响在第三大特征向量中更加明显，表明存在延迟但可检测的影响。
- 最小生成树确认了市场的地理分离，但未能捕捉到特征向量分析中可见的更精细的跨市场影响。
- 结果表明，地理市场身份是股票相关性聚类中的主导因素，行业板块效应居于次要地位。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。