تدوين شبكه‌هاي مالي مبتني بر مفهوم هم جمعي (مطالعه‌اي در بورس اوراق بهادار تهران )

Development of Financial Networks Based on Cointegration Concept (A Study on Tehran Stock Exchange)

براي درك بهتر بازارهاي مالي كه يكي از پيچيده ترين مفاهيم دنياي امروز هستند مي توان از تيوري شبكه استفاده كرد. شبكه هاي مالي، به مجموعه اي از راس ها و يال ها گفته مي شود. هر راس بيانگر يك سهم و هر يال مبين رابطه بين سهام مي باشد. مطالعات ابتدايي در اين حوزه با استفاده از ضريب همبستگي به توصيف روابط كوتاه مدت بين سهام و مدل سازي بازارها پرداخت. اين روش مدل سازي در مورد داده هايي صدق مي كند كه داراي تقارن هستند و فقط وجود يا عدم وجود رابطه بين سهام را مشخص كرده، نوع رابطه، جهت و وزن آن رابطه را تبيين نمي كند. در سال هاي اخير مدل سازي سري هاي زماني مالي با استفاده از مفهوم هم جمعي انجام مي شود. طي پژوهش حاضر نيز، با استفاده از آزمون مانايي سري هاي زماني، آزمون هاي ريشه واحد ديكي فولر و KPSS و آزمون انگل و گرانجر شبكه مبتني بر هم جمعي طراحي شده و به منظور تجزيه وتحليل اين شبكه از معيارهاي مركزيت همچون: درجه مركزيت، مركزيت بينابيني مركزيت نزديكي، رتبه بندي صفحه و بوناچيچ، استفاده شد. نتايج اين پژوهش نشان مي دهد شبكه هاي مبتني بر هم جمعي مي توانند گراف كامل تري از بازارها ارايه دهند و همچنين تجزيه وتحليل معيارهاي مركزيت مي توانند نقش موثري در انتخاب سبد سهام داشته باشند و الگوي مناسبي جهت درك روابط بين سهام ارايه دهند.

Network theory can be used to better understand the financial markets, which are one of the most complex concepts in today's world. Financial networks are a set of Nodes(vertices) and edges. Each node represents one stock and each edge indicates the relationship between the stocks. Early studies in this area used correlation coefficients to describe short-term relationships between stocks and market modeling. This modeling method applies to data that have symmetry and only determines the presence or absence of a relationship between stocks, and does not specify the type of relationship, the direction and weight of that relationship. In recent years, financial time series modeling has been done using the concept of cointegration. In this study using the time series stationary test,unit root tests of Dickey Fuller and KPSS ,and Engle-Granger test, cointegration based network were designed. In order to analyze this network, the centrality measures such as: centrality degree, between centrality, closeness centrality, page ranking and Bonacich were used. The results of this study show that cointegration networks can provide more complete graph of markets, and also central measures analysis can play an effective role in stock portfolio selection and provide a good model for understanding stock relationships.