Financial networks: stress detection and ESG markets characterization

This thesis applies graph theory to financial markets by constructing correlation-based networks using the stock price time series. The study considers a time window of three years, spanning from 1st May 2019 to 1st May 2022, and uses the main reference indices as proxies for the markets of interest. Specifically, the indices are the S&P500, S&P500 ESG, EURO STOXX 50, and EURO STOXX 50 ESG. The analysis focuses on three areas: financial stress detection, region discrimination, and ESG characterization. In particular, the work examines the ability of financial networks to detect and predict stressful periods in the market, explores the differences between American and European markets, and compares classical and ESG markets' performance using graph measures. Special attention is paid to the extreme values of the measures applied to graphs to determine if they reflect unique characteristics of the market. This thesis provides insight into the applicability of graph theory to financial markets and the potential for identifying patterns and differences among markets using network analysis. Six different algorithms are used to construct the networks. Two of them filter the connections based on the graph topology (minimum spanning tree and planar maximal filtered graph), whereas the other two put a threshold on the number of nodes (asset graph) or on the correlation (threshold asset graph). A technique is taken from machine learning (k-nearest neighbors) and the last one aims to assess the robustness of the correlation estimated (small-shuffle surrogate). Network evaluations are done using typical graph measures such as centrality, clustering coefficent and assortativity, but also the Frobenius distance between the evolving correlation matrices and the Ricci curvature which corrects the actual distance used in the graph. A particular attention will be put on the behavior of the metrics during the stressful periods identified by high values of the CISS (Composite Indicator of Systemic Stress), a systemic risk quantification provided by the European Central Bank.

Questa tesi applica la teoria dei grafi ai mercati finanziari costruendo reti basate sulla correlazione utilizzando le serie temporali dei prezzi delle azioni. Lo studio considera una finestra temporale di tre anni, che va dal 1° maggio 2019 al 1° maggio 2022, e utilizza i principali indici di riferimento come proxy per i mercati di interesse. Nello specifico, gli indici sono S&P500, S&P500 ESG, EURO STOXX 50 e EURO STOXX 50 ESG. L'analisi si concentra su tre aree: rilevamento dello stress finanziario, discriminazione regionale e caratterizzazione ESG. In particolare, il lavoro esamina la capacità delle reti finanziarie di rilevare e prevedere periodi di stress nel mercato, esplora le differenze tra i mercati americani ed europei e confronta le prestazioni dei mercati classici ed ESG utilizzando misure grafiche. Particolare attenzione viene prestata ai valori estremi delle misure applicate ai grafici per determinare se riflettono caratteristiche uniche del mercato. Questa tesi fornisce informazioni sull'applicabilità della teoria dei grafi ai mercati finanziari e sul potenziale per identificare modelli e differenze tra i mercati utilizzando l'analisi di rete. Per costruire le reti vengono utilizzati sei diversi algoritmi. Due di essi filtrano le connessioni in base alla topologia del grafo (minimum spanning tree e planar maximal filtered graph), mentre altri due pongono una soglia sul numero di nodi (asset graph) o sulla correlazione (threshold asset graph). Una tecnica è stata commutata dal machine learning (k-nearest neighbors) e un'altra invece mira a valutare la robustezza della correlazione stimata (small-shuffle surrogate). Le valutazioni delle reti vengono eseguite utilizzando misure tipiche della teoria dei grafi come centralità, coefficiente di clustering e assortativity, ma anche la distanza di Frobenius tra le matrici di correlazione in evoluzione e la curvatura di Ricci che corregge la distanza effettiva utilizzata nel grafico. Particolare attenzione sarà posta al comportamento delle metriche durante i periodi di stress individuati da valori elevati del CISS (Composite Indicator of Systemic Stress), quantificazione del rischio sistemico fornita dalla Banca Centrale Europea.