Aktiekorrelationsnätverk

Ett aktiekorrelationsnätverk är en typ av finansiellt nätverk baserat på aktiekurskorrelation som används för att observera, analysera och förutsäga aktiemarknadens dynamik.

Bakgrund

Under det senaste decenniet har finansiella nätverk rönt mer uppmärksamhet från forskarvärlden. En studie om företagsägarbaserat nätverk visade en maktlagsfördelning där majoriteten av företagen kontrollerades av ett litet antal personer. En annan studie fokuserade på styrelse där nätverket skapades mellan företag om de representerades av samma ledamot i styrelsen. Det sålunda skapade styrelseledarnätverket resulterade i en maktlag med ett fåtal styrelseledamöter som representerade ett stort antal företag. Flera studier har föreslagit nätverksbaserade modeller för att studera beståndskorrelationsnätverket. Aktiekorrelationsnätverk har bevisat sin effektivitet när det gäller att förutsäga marknadsrörelser. Chakrabortia och Onella visade att det genomsnittliga avståndet mellan aktierna kan vara en betydande indikator på marknadsdynamiken. Deras arbete fokuserade på aktiemarknaden (1985–1990) som inkluderade börskraschen 1987 ( Black Monday ). Andrew Lo och Khandaniy arbetade på nätverket av olika hedgefonder och observerade mönstren innan börsturbulensen i augusti 2007.

Metoder

Det grundläggande tillvägagångssättet för att bygga beståndskorrelationsnätverket innefattar två steg. Det första steget syftar till att hitta korrelationen mellan varje aktiepar med tanke på deras motsvarande tidsserie. Det andra steget tillämpar ett kriterium för att koppla samman aktierna baserat på deras korrelation. Den populära metoden för att koppla samman två korrelerade aktier är minimum spaning tree-metoden. De andra metoderna är, plan maximalt filtrerad graf, och vinnare tar allt-metoden. I alla tre metoderna förblir proceduren för att hitta korrelation mellan bestånden densamma.

Steg 1: Välj önskad tidsseriedata. Tidsseriedata kan vara dagliga stängningskurser, dagliga handelsvolymer, dagliga öppningspriser och dagliga kursavkastning.

Steg 2: För en viss tidsserie vald från steg 1, hitta korskorrelationen för varje aktiepar med hjälp av korskorrelationsformeln.

Steg 3: Beräkna korskorrelationen för alla aktier och skapa en korskorrelationsmatris $Cij$ . Korskorrelationen är mellan stock $i$ och stock $j$ och deras tidsseriedata är fria från tidsfördröjningar.

Steg 4: I fallet med minimal spaning tree -metoden beräknas ett metriskt avstånd $dij$ med hjälp av korskorrelationsmatrisen.

$dij$ = $(2(1-Cij))^{0.5}$

Där $dij$ är kantavståndet mellan stock $i$ och stock $j$ . Det minsta spännträdet och den plana maximalt filtrerade grafen kan orsaka förlust av information, dvs vissa höga korrelationskanter förkastas och låga korrelationskanter bibehålls på grund av de topologiska reduktionskriterierna. Tse, et al. introducerade vinnaren ta alla anslutningskriterium där i nackdelen med minsta spännträd och plan maximalt filtrerad graf elimineras. I vinnare ta alla metoden, steg 1-3 behålls. Emellertid, i steg 4 är noderna länkade baserat på en tröskel.

$Cij$ λ

Tröskelvärdena (λ) kan ställas in mellan 0 och 1. Tse, et al. visade att för stora tröskelvärden (0,7, 0,8 och 0,9) är stockkorrelationsnätverken skalfria där noderna länkades på ett sätt att deras gradfördelning följer en kraftlag . För små tröskelvärden tenderar nätverket att vara helt anslutet och uppvisar inte skalfri distribution.