[论文解读] Uncovering the Internal Structure of the Indian Financial Market: Cross-correlation behavior in the NSE

Sitabhra Sinha, Raj Kumar Pan|RePEc: Research Papers in Economics|Apr 17, 2007

Complex Systems and Time Series Analysis被引用 4

一句话总结

本研究利用201只股票相关矩阵的谱特性，分析了1996–2006年间印度国家证券交易所（NSE）的交叉相关性。研究发现，尽管最大特征值反映了整体市场波动，但偏离整体分布的中间特征值数量更少且更接近随机矩阵的整体范围，表明由于主导的整体市场趋势，行业特定聚类较弱，这与新兴市场的特征一致。

ABSTRACT

The cross-correlations between price fluctuations of 201 frequently traded stocks in the National Stock Exchange (NSE) of India are analyzed in this paper. We use daily closing prices for the period 1996-2006, which coincides with the period of rapid transformation of the market following liberalization. The eigenvalue distribution of the cross-correlation matrix, $\mathbf{C}$, of NSE is found to be similar to that of developed markets, such as the New York Stock Exchange (NYSE): the majority of eigenvalues fall within the bounds expected for a random matrix constructed from mutually uncorrelated time series. Of the few largest eigenvalues that deviate from the bulk, the largest is identified with market-wide movements. The intermediate eigenvalues that occur between the largest and the bulk have been associated in NYSE with specific business sectors with strong intra-group interactions. However, in the Indian market, these deviating eigenvalues are comparatively very few and lie much closer to the bulk. We propose that this is because of the relative lack of distinct sector identity in the market, with the movement of stocks dominantly influenced by the overall market trend. This is shown by explicit construction of the interaction network in the market, first by generating the minimum spanning tree from the unfiltered correlation matrix, and later, using an improved method of generating the graph after filtering out the market mode and random effects from the data. Both methods show, compared to developed markets, the relative absence of clusters of co-moving stocks that belong to the same business sector. This is consistent with the general belief that emerging markets tend to be more correlated than developed markets.

研究动机与目标

• 通过股票价格波动的交叉相关性分析，探究印度金融市场的内部结构。
• 确定印度市场是否表现出与纽约证券交易所（NYSE）等发达市场类似的行业特定聚类。
• 评估在新兴市场背景下，整体市场、行业特定及特有因素对股票相关性的相对影响。
• 将NSE相关矩阵的谱特性与发达市场（尤其是NYSE）进行比较。
• 评估过滤技术在揭示新兴市场隐藏市场结构方面的有效性。

提出的方法

• 基于1996–2006年间201只在NSE频繁交易的股票的日收盘价，构建了相关矩阵C。
• 分析了C的特征值分布，并与随机矩阵理论预期的Marchenko-Pastur分布进行比较。
• 将最大特征值识别为反映整体市场波动，与第一主成分一致。
• 在未过滤的相关矩阵上构建最小生成树（MST），以可视化股票之间的相互作用。
• 应用过滤方法去除市场模式和随机噪声，重构相互作用网络，以隔离行业特定相关性。
• 将与非整体特征值相关的特征向量映射，以识别对集体模式有贡献的股票。

实验结果

研究问题

• RQ1 印度NSE中的交叉相关性在多大程度上反映了类似发达市场的行业特定分组？
• RQ2 NSE相关矩阵的谱特性与纽约证券交易所（NYSE）等发达市场的谱特性相比如何？
• RQ3 在印度市场中，整体市场、行业特定及特有因素对股票价格共动性的相对贡献是什么？
• RQ4 在新兴市场中，过滤市场模式和随机噪声在揭示隐藏行业聚类方面的有效性如何？
• RQ5 为何印度市场的中间特征值比发达市场更接近随机矩阵的整体分布？

主要发现

• NSE相关矩阵的特征值分布与随机矩阵的Marchenko-Pastur定律高度吻合，表明大多数相关性属于噪声或不相关波动。
• 最大特征值（代表整体市场波动）明显与整体分离，证实了共同市场因素的主导地位。
• 仅有少数中间特征值偏离整体，且与整体的距离更近，表明行业特定聚类较弱。
• 从未经过滤的相关矩阵构建的最小生成树（MST）显示，同一行业股票的聚类更少且不明显，与NYSE相比。
• 在去除市场模式和随机效应后，相互作用网络中仍几乎不存在基于行业的分组，进一步证实了整体市场趋势的主导性。
• 研究结论认为，印度市场表现出更强的整体相关性及更弱的行业身份认同，与普遍认为新兴市场比发达市场更相关一致。