Upload
bardia
View
40
Download
1
Embed Size (px)
DESCRIPTION
Time dependent cross correlations between different stock returns: A directed network of influence. Zależności czasowe korelacji pomiędzy zwrotami z różnych akcji: Skierowana sieć wpływów. Autorzy: L.Kullmann J.Kertesz K.Kaski. Plan Prezentacji. Wprowadzanie Sposób przygotowanie danych - PowerPoint PPT Presentation
Citation preview
Time dependent cross correlations between different stock returns:
A directed network of influence
Zależności czasowe korelacji pomiędzy zwrotami z różnych akcji:Skierowana sieć wpływów
Autorzy:
L.Kullmann
J.Kertesz
K.Kaski
Plan Prezentacji
Wprowadzanie Sposób przygotowanie danych Metody badania korelacji Sztuczne serie danych Rezultaty Skierowana siec wpływów Podsumowanie
Seria danych
New York Stock Exchannge (NYSE)
TAQ-baza danych –rejestrująca każdą transakcje
N=54 dni 01.12.1997-09.03.1998
Dla 10000 spółek 195
Ponieważ uwzględniamy tylko spółki które wystąpiły więcej niż w 1500 transakcjach
Konstrukcja zwrotów
T-czas całego dnia rozmiar okna t = T / n Zwrot z danej akcji
Uśrednianie dwu etapowe po T czasie każdego dnia a następnie po wszystkich dniach
Metoda mierzenia korelacji
- przesunięcie czasowe < . > - uśrednienie po T
Jak najlepiej dobrać rozmiar okna?
t=1s Dużo zerowych czynników r t(t)C( ) - silnie fluktuować
t zbyt duże
Nie zaobserwujemy poszukiwanego efektu
Sztuczne serie danych
Generacja:
1). Jednowymiarowy President Random Walk(PRW)
zmiana x(t) –x(t-1) {-1,1}
- prawdopodobieństwo skoczenie w tym samym kierunku co poprzednio jest większe niż 0.5
2).Przesuwamy o 0 i dodajemy Gausa
Widzimy wykładniczą zależności korelacji od i maksimum w 0
3).Generujemy dwie serie danych i wyrzucamy z nich losowo punkty tak ze zostawiamy tylko pewien ułamek wszystkich punktów
Parametry:
=0.01 0=200
=1000 =0.99
Parametry:
=0.01 0=200
=1000 =0.99
Korelacja dla większych t
Możemy Ct() zapisać jako sumę (z odpowiednimi
wagami) korelacji C1() t=1s = rt=1
czynnik C1(0) daje największy wkład do rozważanej sumy
I ponieważ jego waga jest liniowa to Ct() będzie również
zachowywało się linowo w okolicy maksimum
Gdy jest porównywalne z t ?
Do tej pory zakładaliśmy w sposób naturalny ze jest wielokrotnością t
gdy tak nie jest to prostu przesuwamy punkt początkowy zwrotu spółki B tak aby znalazł się on we wcześniejszym oknie czasowym
Rezultaty
Parametry:
t=100s
50< t<500
kon =2000s
Szukamy:
Cmax
max
R=Cmax/poziom szumu
Poziom szumu=wariancja korelacji dla (600,2000)
Wartości graniczne:
Cmax 0.04
max 100
R 6.0
XON(Exxon) kompania naftowa -przyciąga
ESV(Ensco Internatinal) procent wierteł
Większości Cmax< 0.1 w porównaniu z korelacja bez
przesunięcia wartości znacząca (duża rola t)
znaczące wartości R pokazują ze jest to ten efekt , który poszukujemy czyli oddziaływanie spółek
•W kilku przypadkach otrzymano maksimum korelacji dla przesunięcia dużo większego niż kilka minut
•Było to spowodowane przez dwa silne zwroty występujące w tym okresie (wynikające oddziaływań zewnętrznych)
•Aby ten problem rozstrzygnąć czyli „pochodzenie” zwrotów , wykonano pomiary dla różnych t
•Powtórzono badania dla połowy badanego pierwotnie czasu – funkcja korelacji jest jakościowo taka sama
Pomiary dla t=50 i t=500
t=50
t=500
Maksimum nie przesuwa się wraz we zwiększaniem t
Spółki , które występują częściej(więcej transakcji z ich udziałem) przyciągają spółki występujące rzadziej .Jedna „mała” spółka jest wiele „dużych”„Duża” spółka przyciąga wiele „małych”
Podsumowanie
Istnieje korelacja pomiędzy akcjami:
a.)wynikający z zewnętrzny wpływów(ekonomicznych politycznych informacji itp.)
b.)efekt „przyciągania” pomiędzy akcjami
I choć maksimum korelacji jest nie wielkie to widzimy wyraźnie ze jest ono spowodowane „przyciąganiem”