米国・中国のクロス市場リターン予測における二部グラフアプローチ

本論文は、経済構造を保持する機械学習フレームワークを通じて、クロスマーケットのリターン予測可能性を研究する。米国と中国の株式市場の取引時間が重ならないことを利用して、市場間の株式間の時系列順の予測リンクを捉える有向二部グラフを構築する。エッジはローリングウィンドウ仮説検定によって選択され、得られたグラフは下流の機械学習モデルのためのスパースで経済的に解釈可能な特徴選択層として機能する。我々は、正則化およびアンサンブル法の幅広い手法を適用し、外国市場の遅延情報を用いて始値から終値までのリターンを予測する。結果は、顕著な方向性非対称性を示す：米国の前日終値から終値へのリターンは中国の日内リターンに対してかなりの予測情報を含む一方、逆の効果は限定的である。この情報の非対称性は、経済的に意味のあるパフォーマンス差へと結びつき、構造化された機械学習フレームワークが解釈可能性を維持しつつクロスマーケット依存関係を明らかにできる方法を強調する。