Refined model of the covariance/correlation matrix between securities
Modélisation fine de la matrice de covariance/corrélation des actions
Résumé
A new methodology has been introduced to clean the correlation matrix of single stocks returns based on a constrained principal component analysis using financial data. Portfolios were introduced, namely "Fundamental Maximum Variance Portfolios", to capture in an optimal way the risks defined by financial criteria ("Book", "Capitalization", etc.). The constrained eigenvectors of the correlation matrix, which are the linear combination of these portfolios, are then analyzed. Thanks to this methodology, several stylized patterns of the matrix were identified: i) the increase of the first eigenvalue with a time scale from 1 minute to several months seems to follow the same law for all the significant eigenvalues with 2 regimes; ii) a universal law seems to govern the weights of all the "Maximum variance" portfolios, so according to that law, the optimal weights should be proportional to the ranking based on the financial studied criteria; iii) the volatility of the volatility of the "Maximum Variance" portfolios, which are not orthogonal, could be enough to explain a large part of the diffusion of the correlation matrix; iv) the leverage effect (increase of the first eigenvalue with the decline of the stock market) occurs only for the first mode and cannot be generalized for other factors of risk. The leverage effect on the beta, which is the sensitivity of stocks with the market mode, makes variable theweights of the first eigenvector.
Une nouvelle méthode a été mise en place pour débruiter la matrice de corrélation des rendements des actions en se basant sur une analyse par composante principale sous contrainte enexploitant les données financières. Des portefeuilles, nommés "Fundamental Maximum variance portfolios", sont construits pour capturer de manière optimale un style de risque défini par un critère financier ("Book", "Capitalization",etc.). Les vecteurs propres sous contraintes de la matrice de corrélation, qui sont des combinaisons linéaires de ces portefeuilles, sont alors étudiés. Grâce à cette méthode, plusieurs faits stylisés de la matrice ont été mis en évidence dont: i) l'augmentation des premières valeurs propres avec l'échelle de temps de 1 minute à plusieurs mois semble suivre la même loi pour toutes les valeurs propres significatives avec deux régimes; ii) une loi _universelle_ semble gouverner la composition de tous les portefeuilles "Maximum variance". Ainsi selon cette loi, les poids optimaux seraient directement proportionnels au classement selon le critère financier étudié; iii) la volatilité de la volatilité des portefeuilles "Maximum Variance_" qui ne sont pas orthogonaux, su_rait à expliquer une grande partie de la diffusion de la matrice de corrélation; iv) l'effet de levier (augmentation de la première valeur propre avec la baisse du marché) n'existe que pour le premier mode et ne se généralise pas aux autres facteurs de risque. L'effet de levier sur les beta, sensibilité des actions avec le "market mode", rend les poids du premier vecteur propre variables.
Origine : Version validée par le jury (STAR)