株価相関分析のためのマルチファクター動的時間系列測定基準

科学分野:

• 定量的金融
• 計算経済学
• データサイエンス

背景:

• 従来の株価相関分析では、株価データの多次元性や動的な時間遅延効果（TLE）を捉えきれないことがよくあります。
• 既存の類似性尺度は、時間とともに株価の挙動に影響を与える要因の複雑な相互作用に対処するには洗練さが不足しています。

研究 の 目的:

• より正確な株価相関分析のための新しいマルチファクター動的時間類似性尺度（MFDTSM）を提案すること。
• 既存の手法が多次元株価データと位相差におけるTLEを処理する上での限界に対処すること。

主な方法:

• 株価要因の影響を評価するために、Shapley Additive exPlanations（SHAP）と統合された拡張eXtreme Gradient Boosting（XGBoost）モデルを開発しました。
• SHAP値のクラスタリングを使用して株価の分類と要因の異質性の分析を行いました。
• 累積距離行列と最適な時系列配置パスを使用してTLE位相差を定量化しました。

主要な成果:

• MFDTSM手法は、既存の手法と比較して、業界相関（10％）、線形相関（16％）、株価相関価格設定（5％）において精度が向上したことを示しました。
• 株価を効果的に分類し、要因の影響における異質性を明らかにしました。
• TLEの動的な位相差を定量化し、類似性尺度の精度を向上させました。

結論:

• MFDTSMは、多次元データとTLEを組み込むことにより、複雑な株価市場のダイナミクスを分析する上で重要な進歩を提供します。
• この手法は効率的かつ安定しており、さまざまな相関分析において既存の手法を上回っています。
• 堅牢な株価市場の洞察を得るためには、動的な時間的側面と要因の相互作用を考慮することの重要性を強調しています。