Deformation of semi-circle law for the correlated time series and Phase transition

想像してみてください。あなたは、小さな正方形のグリッドでできた、巨大で魔法のような鏡を持っています。もしこの鏡を、古いテレビの砂嵐のような、完全にランダムで混沌としたノイズで満たしたとしたら、そこに映し出される反射は、「半円則（semicircle law）」と呼ばれる非常に予測可能で滑らかな形に従います。それはまるで完璧で穏やかな丘のようです。両端は低く、中央が高く、あまり激しい動きもありません。

しかし、もしそのノイズがランダムではなかったらどうなるでしょうか？もし、鏡の中の正方形たちが、隣人たちと秘密を囁き合い、パターン（時間的相関）を作り出していたとしたら？これこそが、久坂正人氏と金子拓也氏が調査した内容です。彼らは金融時系列（株価や為替レートなど）を用いて、これらの「囁き」がどのように丘の形を変えるのかを見るために、これらの「ウィグナー行列（Wigner matrices）」を構築しました。

大きな転換点：丘に尖った王冠が載る

彼らの主な発見は、これらの金融数値に相関がある場合、完璧な半円が変形するということです。それは単に波打つのではなく、変容します。丘の中心部ははるかに高く鋭いピークとなり、裾（両端）はさらに外側へと伸び、より「太く（fat）」なります。

これは、人々が円を描いて立っている様子を想像してみてください。もし全員が独立していれば、彼らは均等に広がります。しかし、もし全員が手を繋ぎ、互いの動きに反応し合っていたら（相関があれば）、彼らは中央にぎゅっと集まり、端の方へと長く伸びていきます。著者たちは、数値間のつながり（相関）が強ければ強いほど、ピークはより尖り、裾はより太くなることを発見しました。

「魔法の数字」と相転移

ここからが非常に刺激的な部分です。著者たちは、2種類の「囁き」または相関を調べました。

1. 指数減衰（Exponential Decay）： 囁きは素早く消えていきます。友人の列で秘密を伝えるとき、数歩進んだところで聞き手が聞き流してしまうようなものです。この場合、丘は尖りますが、安定した状態を保ちます。
2. べき乗則減衰（Power Law Decay）： 囁きはしぶといものです。非常にゆっくりと減衰するため、ずっと前の数字が現在に影響を与え続けます。ここで相転移が起こります。

著者たちは、$\gamma = 1/2$ というクリティカルな「魔法の数字」を発見しました。

• もし囁きのしぶとさが 1/2 より大きい場合（$\gamma > 1/2$）、システムは安定しています。「四次モーメント」（裾がどれほど太いかを測るための高度な数学的手法）は有限であり、最大固有値（丘の最も高い点）も有限に留まります。
• もししぶとさが 1/2 以下である場合（$\gamma \le 1/2$）、事態は制御不能になります。四次モーメントと最大固有値は無限大になります。

それは、通常の交通量には耐えられる橋が、もし交通が「粘り強く（sticky）」なりすぎると（長距離相関が強すぎると）、突然無限へと崩壊していくようなものです。これは単なる推測ではありません。彼らの数値シミュレーションにおいて、データがこの 1/2 というラインのどちら側にいるかによって、明確に異なる挙動を示すことが確認されました。

実社会の探偵作業

チームは単に数学を弄んでいたわけではありません。彼らはこれを実世界の金融データでテストしました。彼らは、暗号資産、コモディティ、政府債券、外国為替（FX）レートを含む25種類の異なる時系列データを調査しました。

彼らは「帰無仮説」のテストを設定しました：もしこれらの市場が、単なるランダムなノイズ（独立同一分布：i.i.d.）だとしたらどうなるか？

• 結果： 株式やコモディティのようなほとんどの市場は、半円則によく適合していました。それらは大部分がランダムです。
• 例外： しかし、特定の外国為替市場（USD/CHF、USD/CAD、EUR/CHF、EUR/GBPなど）や一部の暗号資産は、それらが単なるランダムなノイズであるという考えを拒絶しました。彼らの固有値分布には、先ほどの兆候が見られました。つまり、より高いピークと太い裾を持っていたのです。

著者たちは、これらの特定の市場における偏差が、主に時間的相関によるものであることを算出しました。例えば、USD/CHF市場においては、最短のタイムラグにおける相関が十分に強く、四次モーメントをランダムなノイズが期待する範囲（通常は 2 付近）を大きく超える 2.128 まで押し上げました。

彼らが否定したもの

この論文が、何を主要な原因としていないのかを指摘しておくことは重要です。金融データには「ファットテール（極端な事象）」があることで知られていますが、著者らは、これらの特定のウィグナー行列においては、時間的相関こそが変形の主要な要因であると主張しています。彼らは、偏差が単にリターンのファットテールな性質だけでなく、相関構造に依存していることを明確に示しています。

また、彼らはこの挙動が他のタイプのランダム行列（ウィッシャート行列など）とは異なることも明確にしています。それらの他のシステムでは、相転移は二次のモーメントによって制御されます。しかし、このウィグナー行列の世界では、すべては四次のモーメントにかかっています。これは、異なるタイプのランダム行列が異なる「普遍クラス（universality classes）」に属していること、つまり、相関に対してどのように反応するかという独自のルールを持っていることを示唆しています。

彼らの確信度

著者たちは、相関の強さとともに四次モーメントが増加するという彼らの解析的な数学に自信を持っています。彼らは、合成データ（分数ブラウン運動など）や実世界の金融データを用いた数値シミュレーションによって、これを裏付けています。これらのシミュレーションは、転移点付近での有限サイズスケーリング挙動を示しており、$\gamma = 1/2$ での相転移が現実であることを支持しています。

ただし、モーメントの計算自体は堅実であるものの、「弱収束（weak convergence）」（深い統計的な保証）の厳密な数学的証明には、彼らがこの論文で使用していない Stieltjes 変形のような、より高度なツールが必要であることも慎重に述べています。したがって、シミュレーションとモーメント解析からの証拠は強力ですが、収束に関する絶対的な数学的証明は、まだ進行中の作業と言えます。

要約すると、この論文は、金融市場、特に通貨市場は単なるランダムなノイズではないことを明らかにしています。それらは、数学的な景観を歪める隠れた「記憶」を持っており、穏やかな丘を、尖った、引き延ばされた山脈へと変えてしまうのです。そして、もしその記憶が強くなりすぎれば、構造全体が臨界点へと突き当たってしまうのです。