본문으로 건너뛰기
라이브러리 문서 전체

주식 공거래 네트워크와 공분산·포트폴리오 배분

기사 arXiv papers · 저자: Yutong Lu et al.
원문 읽기

요약

이 연구는 US 주식의 거래 시점 간 근접성을 사용해 공거래 관계를 정의하고 동적 네트워크를 구축합니다. 스펙트럼 군집화로 시간에 따라 의존성이 변하는 주식 그룹을 찾아내며, 이는 산업 부문에 따른 분류를 보완합니다.

2017부터 2019까지의 고빈도 지정가 주문장 데이터를 사용해 저자들은 저지연 공거래와 수익률 공분산 사이에 통계적으로 유의한 양의 관계가 있음을 발견합니다. 네트워크 정보를 반영한 고차원 공분산 추정량도 개발합니다. 이 추정치를 사용한 평균·분산 포트폴리오는 표준 벤치마크보다 변동성이 낮고 샤프 비율이 높다고 보고됩니다. 발췌문에는 벤치마크 구성, 거래 비용, 조사 기간을 넘어선 견고성이 명시되지 않아 실제 적용을 평가하려면 추가 정보가 필요합니다.

핵심 아이디어

  • 주식 간 거래 시점을 사용해 공거래를 측정하고 동적 주식 네트워크를 구성합니다.
  • 스펙트럼 군집화로 시간에 따라 의존성이 바뀌는 경제적으로 의미 있는 주식 그룹을 찾습니다.
  • 이 연구는 저지연 공거래와 수익률 공분산 사이에 양의 관계가 있다고 보고합니다.
  • 네트워크 기반 공분산 추정량을 활용한 평균·분산 포트폴리오는 변동성과 샤프 비율 면에서 표준 벤치마크보다 나은 성과를 보인다고 보고됩니다.

태그

주식시장 미시구조통계포트폴리오 구성미국 시장
전문
# 2302.09382


# Co-trading networks for modeling dynamic interdependency structures and estimating high-dimensional covariances in US equity markets









The time proximity of trades across stocks reveals interesting topological structures of the equity market in the United States. In this article, we investigate how such concurrent cross-stock trading behaviors, which we denote as co-trading, shape the market structures and affect stock price co-movements. By leveraging a co-trading-based pairwise similarity measure, we propose a novel method to construct dynamic networks of stocks. Our empirical studies employ high-frequency limit order book data from 2017-01-03 to 2019-12-09. By applying spectral clustering on co-trading networks, we uncover economically meaningful clusters of stocks. Beyond the static Global Industry Classification Standard (GICS) sectors, our data-driven clusters capture the time evolution of the dependency among stocks. Furthermore, we demonstrate statistically significant positive relations between low-latency co-trading and return covariance. With the aid of co-trading networks, we develop a robust estimator for high-dimensional covariance matrix, which yields superior economic value on portfolio allocation. The mean-variance portfolios based on our covariance estimates achieve both lower volatility and higher Sharpe ratios than standard benchmarks.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.