Η εξέλιξη του οικονομικού δικτύου του Χρηματιστηρίου Αξιών Αθηνών από το 2007 ως το 2011

Περίληψη

Για σχεδόν δυο δεκαετίες, εμπειρικά και θεωρητικά αποτελέσματα της Θεωρίας Δικτύων χρησιμοποιούνται στην ανάλυση Οικονομικών Δικτύων. Στην παρούσα διατριβή μελετήθηκε η εξέλιξη του Οικονομικού Δικτύου του Χρηματιστηρίου Αξιών Αθηνών από το 2007 ως το 2011, με χρήση χρονικών παραθύρων διάρκειας 6 μηνών χωρίς επικάλυψη. Για κάθε παράθυρο δημιουργήθηκε ένα πλήρες σταθμισμένο δίκτυο στο οποίο κόμβοι είναι οι μετοχές. Για την ακμή μεταξύ δυο κόμβων (ζεύγος μετοχών), υπολογίστηκε η αμοιβαία πληροφορία μεταξύ των χρονοσειρών των αποδόσεων (returns) με τη χρήση κατάλληλου για το πλήθος των παρατηρήσεων, εκτιμητή της εντροπίας του Shannon. Στη συνέχεια οι τιμές της αμοιβαίας πληροφορίας μετασχηματίστηκαν σε τιμές μιας συνάρτησης απόστασης. Με την οποία σταθμίστηκαν τα δίκτυα. Οι τεχνικές που χρησιμοποιήθηκαν για τη μελέτη της εξέλιξης των παραπάνω δικτύων στηρίχθηκαν στη δημιουργία του Ελαχίστου Δένδρου Ζεύξης (MST), του Επίπεδου Μέγιστα Φιλτραρισμένου Γραφήματος (PMFG), την εύρεση των κοινοτήτων (Community Structure), τον υπολογισμό των μέτρων κεντρικότητας (Centrality Measures), των καθολικών μέτρων (global indices) του συντελεστή assortativity και του συντελεστή ενδοκατηγορικής συσχέτισης (ICC) ενώ παράλληλα δόθηκε η ερμηνεία των αποτελεσμάτων μέσα από οικονομικά γεγονότα της επιλεγμένης χρονικής περιόδου. Μέρος της παρούσας διπλωματικής παρουσιάστηκε στο 29 ο Πανελλήνιο Συνέδριο Στατιστικής, που πραγματοποιήθηκε στη Θεσσαλονίκη και τη Νάουσα από τις 4 ως τις 7 Μαΐου το 2016.

For most than a decade results of Network Theory are being used to analyze the evolution of Economics Networks. This thesis studied the evolution of the Financial Network of Athens Stock Exchanges from 2007 until 2011. We have divided the time series into time windows with width of six months without overlapping. In each window, each index was a vertex and each edge connecting two vertices was marked by the value of a distance function made by the Mutual Information obtained from the time series of logarithmic returns of stocks. For this calculation we used an appropriate Entropy estimator. Then, we transformed this similarity measure into a distance function created a series of Complete Weighted Networks. The techniques used to analyze these networks were based on the creation and development of Minimum Spanning Tree (MST), Planar Maximally Filtered Graph (PMFG), the calculation of centrality measures, global indices, intraclass correlation coefficient (consistency), finding the community structure, identifying cliques. The results were interpreted based on specific economic  vents and relations between the stocks that took place during this period. Part of this thesis was presented at the 29th Panhellenic Conference of Statistics.