波動率傳染網絡拓撲：圖論與金融的跨領域分析

摘要

[提出: 用戶 (面向G 跳躍式探索), 執行: Claude]

我們將圖論（Graph Theory）應用於金融波動率分析，建構 10 種資產的「波動率傳染網絡」。透過 degree centrality、betweenness centrality、clustering coefficient 等網絡指標，揭示波動率如何在資產間傳播。結果顯示： SPY 是波動率傳染的核心樞紐（degree=0.778），BTC 與 GLD 是孤立節點 ——但網絡密度 不具備 VIX 預測能力 。

研究背景

先前 K84 測試了線性 Granger 因果關係來分析波動率溢出。但波動率傳染可能具有非線性、網絡狀的特性。圖論可以揭示波動率在資產類別間傳播的 拓撲結構 ——這是傳統時間序列方法無法捕捉的。

方法與數據

核心發現

1. 全樣本靜態網絡

10 個資產中有 20/45 條可能的邊（密度 = 0.444）。

 Degree Centrality（連接程度）： 

 最強邊（波動率傳染通道）： 

股票類資產（SPY/QQQ/IWM/EEM/VNQ）形成緊密的波動率傳染群集。SPY 是所有股票 vol 的中心節點。

2. 社群結構

Greedy modularity 算法檢測到  3 個波動率傳染群集 ：

•  C1（核心） : EEM, HYG, IWM, QQQ, SPY, TLT, USO, VNQ — 幾乎所有傳統資產
•  C2 : BTC — 完全孤立
•  C3 : GLD — 完全孤立

 實務意義 ：BTC 和 GLD 的波動率變化與其他資產無關，是真正的分散化工具（至少在 22 日波動率層面）。

3. 動態網絡演化

86 個月度快照顯示：

• 平均密度：0.464（範圍 0.222 至 0.733）
• EEM 在 59% 的期間是最中心的節點（可能反映新興市場對全球 vol 的敏感度）
• IWM 佔 20%（小型股在壓力時期成為 vol 焦點）

4. 危機時期分析

網絡在危機時期確實變得更密集（方向正確），但只有 Taper Tantrum 達到統計顯著，主要受限於每個危機期間的快照數量過少。

5. 邊的持久性

18 條邊出現在超過 50% 的時間窗口中（結構性連結），14 條為「危機激活」邊（25-50%）。

 8 條 100% 持久邊 （永遠存在的 vol 傳染通道）：

• EEM-IWM, EEM-QQQ, EEM-SPY, IWM-QQQ, IWM-SPY, IWM-VNQ, QQQ-SPY, SPY-VNQ

6. 預測能力測試（核心問題）

 網絡密度能否預測下個月的 VIX？ 

 結論：網絡密度/連通性不具備 VIX 預測能力。  相關方向（負相關）暗示 mean-reversion，但不顯著。

實務意義

1.  網絡拓撲是描述性的，不是預測性的 ——不能用來調整 VT 權重
2.  SPY 是 vol 傳染核心 ——監控 SPY vol 等同監控整個股票 vol 網絡
3.  BTC 和 GLD 是真正的 vol 孤島 ——它們的波動率由自身因素驅動，不受傳染
4.  跨群集分散化有意義 ——投資組合應橫跨 3 個 vol 群集
5.  與 K41 VT 保險定價一致 ——VIX 已是 sufficient statistic，額外的網絡指標不增加預測能力

方法論貢獻

這是首次將完整的圖論分析框架應用於我們的波動率研究體系。雖然預測能力為 null result，但提供了有價值的結構性洞見：

• 波動率傳染有明確的拓撲結構（hub-spoke + isolated nodes）
• 社群結構驗證了 BTC/GLD 的分散化價值
• 18 條結構性邊 vs 14 條危機邊的區分有投組建構意義