Független komponens analízis és empirikus tesztjei kötvényhozamok felhasználásával

Abstract

A dolgozatban egy a gazdasági adatok elemzésében egyre elterjedtebb módszer, a független komponens analízis (ICA) elméleti hátterét és pénzügyi alkalmazási lehetőségeit mutatjuk be. A módszer képes több egymással korreláló adatsort olyan komponensekre szétválasztani, melyek egymástól a lehető legnagyobb mértékben függetlenek, és melyek lineáris kombinációjaként felírható az eredeti adatsorok mindegyike. A módszer tehát lehetőséget nyújt az adatsorok alakulását befolyásoló rejtett komponensek elkülönítésére. A dolgozat az elméleti háttér és az eddigi gyakorlati alkalmazások áttekintése után a módszer tulajdonságait kötvényhozamok dekompozícióján keresztül ismertetjük. Kitérünk a pénzügyi idősorok hiányzó adatainak pótlási módjának ICA-ra gyakorolt hatására, nulladrendű és elsőrendű interpoláció, valamint ARIMA GARCH modellel történő pótlás esetén. Megvizsgáljuk továbbá a módszer viselkedését különböző mesterséges és pénzügyi sokkok esetén. A módszer adat és elemszám robosztusságának vizsgálatával megállapítjuk, hogy egyrészt a módszer érzékenysége a kismértékű sokkokra nem jelentős, nagyobb mértékben változtatva az idősorokat azonban a komponensek torzulása egyre nagyobb mértékű. Szisztematikusan jelentkező extrém konstans sokkokat sokkal nehezebben szeparál a módszer, mint a véletlenül fellépőket. Másrészt az idősorok elem számának változása jelentős hatással van a komponensek torzulására, az ablakozott és nem ablakozott komponensek jelentősen eltérnek egymástól. Az általunk implementált algoritmus eredményeit összevetjük a gyakorlatban az egyik legelterjedtebb megoldási módszerrel is.