Δίκτυα συσχέτισης κλάδων του ελληνικού χρηματιστηρίου = Correlation networks of branches of the greek stock market.

Περίληψη

Τις τελευταίες δεκαετίες ένας νέος κλάδος έρευνας έχει κάνει την εμφάνιση του, όπου θεωρίες και μέθοδοι της φυσικής χρησιμοποιούνται για την εκτίμηση και μοντελοποίηση χρηματοοικονομικών δεδομένων. Ο κλάδος αυτός ονομάζεται Οικονοφυσική, όπου σκοπός είναι η ανάλυση χρηματοοικονομικών δεδομένων και η εξαγωγή συμπερασμάτων για την περιγραφή, εκτίμηση και ανάλυση των χρηματοοικονομικών κινδύνων. Πολλές μελέτες εστιάζουν την προσοχή τους και εξετάζουν ενδελεχώς τις συσχετίσεις της χρονοσειράς ενός χρηματιστηριακού δείκτη ή και μεταξύ χρηματιστηριακών δεικτών, καθώς πιθανή αύξηση της μεταβλητότητας επιφέρει και αύξηση της αβεβαιότητας.

Για τη μελέτη της αλληλοεξάρτησης και συσχέτισης μεταξύ των παρατηρούμενων μεταβλητών ενός πολυμεταβλητού δυναμικού συστήματος ή στοχαστικής διαδικασίας έχουν αναπτυχθεί διάφορες μέθοδοι με γραμμικά ή μη γραμμικά μέτρα. Στις περισσότερες μεθόδους που εφαρμόζονται, κόμβοι είναι οι μεταβλητές και συνδέσεις η συσχέτιση ή η εξάρτηση που έχουν. Στη παρούσα διπλωματική ακολουθείται μια διαφορετική προσέγγιση, όπου αναλύονται δύο μέτρα γραμμικής συσχέτισης, η ανάλυση κανονικοποιημένης συσχέτισης (Canonical Correlation Analysis) και η διασυσχέτιση (Cross-Correlation) δημιουργώντας δίκτυα συσχέτισης με κόμβους να είναι οι ομάδες των μεταβλητών και συνδέσεις οι συσχετίσεις που έχουν οι ομάδες μεταξύ τους.
Πραγματοποιείται εφαρμογή στο Ελληνικό χρηματιστήριο και επιλέγονται οι κλάδοι που διαπραγματεύονται οι μετοχές για την περίοδο 2007 – 2011, όπου η περίοδος χωρίζεται σε χρονικά παράθυρα. Για την μελέτη των δικτύων και τις αλληλοεπιδράσεις των δομικών μονάδων χρησιμοποιούνται στατιστικά μέτρα δικτύων και τέλος, πραγματοποιείται σύγκριση μεταξύ των δύο μεθόδων.

In recent decades, a new research industry has emerged, where theories and methods of physics are used to estimate and model financial data. This field called Econophysics, where the purpose is to analyze financial data and extrapolated conclusions for the description, estimation, and analysis of financial risks. Many studies focus and examine the correlations of the time series of a stock market index or between stock market indices as a possible increase in volatility, resulting in an increase in uncertainty.
For the study of the interdependence and correlation between the observed variables of a multivariate dynamic system or a stochastic process, various methods have developed with linear or non-linear measures. In most methods that have applied, nodes are the variables and connections are the correlation or the dependency they have. In the present thesis, a different approach followed where two linear correlation measures are analyzed, canonical correlation analysis and cross-correlation by constructing correlation networks, where nodes are the groups of variables and connections are the correlations the groups have.
An application to the Greek stock market held, where the branches traded for the period 2007 - 2011 have selected and the period divided into time windows. For the study of the networks and the interactions of the structural units, statistical network measures used and at the end, a comparison made between the two methods.