Systemic risk measures on the equity market : an application on the S&P500

In this work, we study multiple measures of systemic risk obtained by applying Principal Component Analysis and Granger causality to the returns times series of a collection of stocks. Starting from causality networks, we propose an original technique (namely Sotf Topological Sorting) that can efficiently provide a partial ordering among the nodes of a graph. This method can be used to score the network's elements or remove its cycles, transforming it into a directed acyclical graph. We produce a set of experimental analyses to evaluate the capabilities of our measures as preventive alarms or predictors of future realised losses. This analysis process allows us to determine that the measurements obtained by exploiting Principal Component Analysis present good performances as market thermometers and drawdown predictors. Contrarily, Granger causality networks-based measures do not perform equally well, independently of the kind of metric used. However, the Granger-based graphs result in a helpful instrument to depict the structure underlying the market returns.

Questa lavoro valuta una serie di tecniche volte alla misurazione del rischio sistemico nei mercati finanziari applicando l'analisi delle componenti principali (PCA) e la causalità di Granger alle serie temporali dei rendimenti di un insieme di titoli. Lo studio valuta una serie di misure del rischio sistemico basate sulle reti di causalità e propone un nuovo metodo chiamato Soft Topological Sorting, che fornisce in modo efficiente un ordinamento parziale tra i nodi di un grafo. Il lavoro dimostra come la strategia di Soft Topological Sorting possa trasformare una rete di causalità in un grafo aciclico diretto, assegnando un punteggio alle sue componenti e eliminando i suoi cicli. Le misure proposte sono valutate come allarmi preventivi o predittori di perdite future attraverso una serie di analisi sperimentali. I risultati mostrano che le metriche ottenute utilizzando la PCA si comportano bene come predittori di drawdown e termometri di mercato. D'altro parte, le misure basate sulle relazioni di causalità di Granger hanno prestazioni discordanti: i grafi basati su di esse si rivelano strumenti utili per illustrare la struttura del mercato, mentre le metriche che ne derivano non portano stabilmente valore aggiunto. Nel complesso, questo studio contribuisce allo sviluppo di misure di rischio sistemico più efficaci che possono aiutare a rilevare le crisi finanziarie e a fornire segnali di allarme relativi a scenari futuri utili agli investitori.