💰 quantitative finance

Sectoral inter-dependencies drive the loss of structural balance in signed financial networks

Dit artikel analyseert S&P 500-gegevens met behulp van de theorie van gesigneerde netwerken om aan te tonen dat structurele onbalans in financiële markten tijdens systemisch risico primair voortkomt uit intersectorale conflicten in plaats van intrasectorale conflicten, waarbij het wereldwijde polarisatieniveau significant wordt gedreven door macro-economische factoren zoals verstoringen in de toeleveringsketen en inflatieonzekerheid.

Oorspronkelijke auteurs: Kartik Dahake, Abhijit Chakraborty

Gepubliceerd 2026-08-13

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Kartik Dahake, Abhijit Chakraborty

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de aandelenmarkt niet voor als een chaotische zee van cijfers, maar als een gigantisch, onzichtbaar web dat duizenden mensen en bedrijven met elkaar verbindt. Dit is de wereld van complexe netwerken, een tak van de wetenschap die bestudeert hoe dingen met elkaar verbonden zijn, van neuronen in een brein tot vrienden op sociale media. In deze specifieke hoek van het web gebruiken wetenschappers een instrument genaamd gesigneerde netwerken (signed networks). Denk aan deze als een kaart van relaties waarbij lijnen blauw kunnen zijn (wat betekent: "wij zijn vrienden en bewegen samen") of rood (wat betekent: "wij zijn rivalen en bewegen in tegengestelde richtingen").

Het artikel leunt op een concept genaamd structurele balans, wat voortkomt uit de psychologie. Het is het idee dat "de vijand van mijn vijand mijn vriend is". In een perfect gebalste groep komt iedereen met elkaar overeen, of je hebt twee duidelijke groepen vrienden die elkaar niet mogen. Maar wanneer de boel rommelig wordt — zoals wanneer een vriend van een vriend een vijand wordt — raakt het systeem "gefrustreerd" en instabiel. Waarom is dit belangrijk? Omdat wanneer deze financiële netwerken te gefrustreerd raken, het hele systeem kan knappen, wat leidt tot crashes die ieders portemonnee beïnvloeden. Begrijpen waar deze frustratie vandaan komt, helpt ons te zien of de markt gezond is of dat er een storm op komst is.

De Grote Financiële Touwtrekkerij: Wie Vecht Met Wie?

Dus, wat gebeurt er wanneer de aandelenmarkt onder druk staat? Gaan de bedrijven binnen dezelfde sector tegen elkaar vechten, of houden ze zich aan elkaar vast en vechten ze tegen de andere sectoren? Dat is de grote vraag die Kartik Dahake en Abhijit Chakraborty probeerden te beantwoorden. Ze keken naar de S&P 500, een lijst van de 500 grootste bedrijven in de VS, en volgden hun dagelijkse prijsveranderingen van 4 januari 2010 tot 30 december 2024. Dat is een reis van 14 jaar die zowel rustige tijden als de enorme chaos van de COVID-19-pandemie omvat.

Om de ruis begrijpelijk te maken, gebruikten de auteurs een wiskundige filter genaamd Random Matrix Theory (RMT). Stel je voor dat je probeert een gesprek te verstaan in een drukke, lawaaierige kamer. RMT is als een paar high-tech koptelefoons die de willekeurige achtergrondruis (de ruis) wegfilteren, zodat je de werkelijke stemmen (de echte verbindingen) kunt horen. Zodra ze de ruis hadden weggefilterd, bouwden ze een kaart van de markt die liet zien welke sectoren (zoals Technologie, Gezondheidszorg of Energie) vrienden waren (positieve links) en welke rivalen (negatieve links).

De Grote Ontdekking: Het Zijn de Buren, Niet de Familie

Het team kwam tot een verrassende ontdekking. Wanneer de markt rustig was, was alles grotendeels vriendelijk. Maar toen de COVID-19-crisis toesloeg, verloor de markt zijn "structurele balans". Het werd gefrustreerd. De auteurs vroegen zich af: Waar komt deze frustratie vandaan?

Ze deelden het probleem op in twee delen:

Intra-sector: Vechten bedrijven binnen hun eigen club? (bijv. Vecht Apple tegen Google?)
Inter-sector: Vechten hele clubs met elkaar? (bijv. Vecht de Tech-club tegen de Energie-club?)

Het antwoord was duidelijk: De problemen komen voort uit de gevechten tussen verschillende sectoren, niet uit de gevechten binnen hen.

Zelfs tijdens de ergste pandemie bleven bedrijven binnen dezelfde industrie (zoals alle technologiebedrijven) de neiging hebben om samen te bewegen, waardoor ze "gebalanceerd" bleven. Ze zaten allemaal in hetzelfde schuitje, of ze zonken of voeren tegelijkertijd. De echte chaos vond plaats op de grenzen. De technologiesector begon in de tegenovergestelde richting te bewegen van de vastgoedsector. De energiesector begon te vechten met de gezondheidszorgsector. Het was als een kantine op een middelbare school waar de sporters en de bandleden plotseling besloten elkaar te haten, terwijl de bandleden onderling nog steeds beste vrienden waren.

Het Mysterie 2008 vs. 2020

De auteurs vergeleken deze pandemiecrisis ook met de wereldwijde financiële crisis van 2008. Ze ontdekten een groot verschil. Tijdens de crash van 2008 waren er bijna nul gevechten binnen de sectoren. Iedereen in een sector was samen doodsbang. Maar tijdens de COVID-19-crisis vonden de auteurs een nieuw soort chaos: gefrustreerde triaden (driehoeksconflicten) begonnen ook binnen sectoren op te duiken.

Waarom? De auteurs suggereren dat dit komt omdat de pandemie een externe schok was. Een lockdown kan een hotel (Vastgoed) vernietigen, maar een magazijn (Industrie) helpen, ook al behoren ze beide tot de "Vastgoed" of "Industrie" familie. De crisis van 2008 was echter een intern probleem (zoals een lek in de romp van een schip) dat iedereen op dezelfde manier trof. Dit suggereert dat het type crisis bepaalt hoe de markt breekt.

De Wiskunde Achter de Waanzin

Om er zeker van te zijn dat ze niet zomaar willekeurige patronen zagen, haalden de auteurs de data door een "randomisatietest". Ze schudden de verbindingen door elkaar als een kaartspel om te zien of de frustratie ook door toeval zou gebeuren. Dat gebeurde niet. De frustratie die ze zagen was statistisch significant, wat betekent dat het een echt kenmerk van de markt was en geen toevalstreffer.

Ze stelden zelfs een regressievergelijking op (een chique wiskundige formule) om te zien wat deze globale frustratie aanstuurt. Ze ontdekten dat 68,2% van de instabiliteit van de markt verklaard kon worden door twee zaken:

Supply Chain Pressure (Druk op de toeleveringsketen): Hoe moeilijk het is om goederen rond te krijgen (gemeten door de Global Supply Chain Pressure Index).
Inflation Uncertainty (Inflatieonzekerheid): Hoe onvoorspelbaar prijzen zijn (gemeten door de standaarddeviatie van de Consumentenprijsindex).

In feite: wanneer toeleveringsketens breken en prijzen een gokspel worden, beginnen de verschillende sectoren met elkaar te vechten en wordt het hele netwerk uit balans gebracht.

De Conclusie

Het artikel concludeert dat wanneer de financiële wereld ziek wordt, dit meestal niet komt doordat de individuele families (sectoren) uit elkaar vallen. Het komt doordat de families zich tegen elkaar keren. De "frustratie" die tot een crash leidt, hoopt zich op bij de grenzen tussen industrieën. Dit geeft ons een nieuwe manier om naar de markt te kijken: in plaats van alleen naar de aandelenkoersen te kijken, zouden we moeten kijken naar de relaties tussen de verschillende sectoren. Als de techsector de energiesector begint te haten, kan dat het eerste teken zijn dat het hele systeem zijn evenwicht dreigt te verliezen.

Technische Samenvatting: Sectorale Interafhankelijkheden en Structurele Balans in Financiële Netwerken

Probleemstelling
Financiële markten zijn complexe systemen waarbij onderlinge afhankelijkheden tussen deelnemers de collectieve dynamiek en systemisch risico aansturen. Hoewel eerder onderzoek heeft vastgesteld dat financiële netwerken tijdens crises een verlies van structurele balans ondergaan — wat duidt op het ontstaan van "frustratie" of conflicterende interacties — blijft de specifieke mesoscopische oorsprong van deze onbalans onduidelijk. Bestaande studies hebben globale signatures van onbalans geïdentificeerd (bijv. de vorming van gefrustreerde triaden of volledige negatieve cliques), maar hebben niet systematisch bepaald of deze structurele instabiliteit primair voortkomt uit conflicten binnen specifieke economische sectoren of uit interacties tussen verschillende sectoren. Dit artikel adresseert deze ambiguïteit door te onderzoeken hoe structurele onbalans is verdeeld over variërende sectorale schalen binnen het S&P 500-netwerk.

Methodologie
De studie voert een longitudinale analyse uit van de Standard and Poor's 500 (S&P 500) index, gebruikmakend van dagelijkse gecorrigeerde slotkoersen van 4 januari 2010 tot 30 december 2024. De dataset is gefilterd om 426 consistent aanwezige aandelen te bevatten, gesegmenteerd in 56 overlappende vensters van 252 handelsdagen (één jaar) met een overlap van 63 dagen.

Het analytische kader verloopt in vier fasen:

Spectrale Decompositie via Random Matrix Theory (RMT): Logaritmische rendementen worden genormaliseerd om cross-correlatiematrices te construeren. RMT wordt toegepast om willekeurige ruis (de bulk-spectra) te filteren en betekenisvolle marktsignalen te isoleren. De correlatiematrix wordt gedecomponeerd in een globale marktmode (grootste eigenwaarde), een willekeurig component en een "groep"-component (afwijkende eigenwaarden) die mesoscopische sectorale structuren vastlegt.
Constructie van Gekleurde Netwerken: Groep-correlatiematrices worden gedrempelwaarde-gebaseerd om ongerichte, getekende netwerken te genereren. Positieve correlaties duiden op coöperatieve bewegingen, terwijl negatieve correlaties duiden op anti-gecorreleerde bewegingen.
Kwantificering van Structurele Balans: De studie maakt gebruik van een polarisatiemetriek ( $P$ $P$ ) afgeleid van statistische mechanica, gedefinieerd als het genormaliseerde verschil tussen het aantal gebalanceerde triaden ( $N_+$ $N_{+}$ ) en gefrustreerde (ongebalanceerde) triaden ( $N_-$ $N_{-}$ ). Deze metriek wordt gedecomposeerd in drie schalen:
- Globaal ( $P_G$ ): Over het gehele netwerk.
- Intra-sector ( $P_{intra}$ ): Binnen individuele Global Industry Classification Standard (GICS) sectoren.
- Inter-sector ( $P_{inter}$ ): Over triaden gevormd door aandelen uit twee of meer sectoren.
Statistische Validatie en Regressie: Om te waarborgen dat geobserveerde patronen geen artefacten zijn van willekeur, worden de empirische netwerken vergeleken met twee nullenmodellen: een getekend graad-behoudend randomisatiemodel en een getekend topologie-behoudend (STP) maximum-entropiemodel. Ten slotte wordt een meervoudige lineaire regressie (MLR) toegepast om de relatie tussen globale polarisatie en macro-economische variabelen te beoordelen, specif kindere de Global Supply Chain Pressure Index (GSCPI) en de Consumentenprijsindex (CPI).

Belangrijkste Resultaten

Sectorale Oorsprong van Onbalans: De decompositie van globale polarisatie onthult dat structurele onbalans tijdens perioden van systemisch risico (met name de COVID-1{\text{ }}19-pandemie) voornamelijk voortkomt uit inter-sectorale interacties in plaats van intra-sectorale interacties. Terwijl intra-sectorale structuren grotendeels gebalanceerd blijven (hoge $P_{intra}$ ), daalt de inter-sectorale polarisatie ( $P_{inter}$ ) significant, wat de daling in globale polarisatie ( $P_G$ ) drijft.
Distinctieve Crisis-signatures: Een vergelijkende analyse tussen de 2008 Global Financial Crisis (GFC) en de COVID-1{\text{ }}19-crisis benadrukt een cruciaal structureel verschil. De 2008 GFC vertoonde een bijna volledige afwezigheid van intra-sectorale gefrustreerde triaden. In contrast hiermee zag de COVID-1{\text{ }}19-crisis de opkomst van significante intra-sectorale frustratie (negatieve randen binnen sectoren), toegeschreven aan de heterogene impact van lockdowns op verschillende subsectoren (bijv. commercieel vastgoed versus industriële productie).
Mechanisme van Frustratie: Het verlies van inter-sectorale balans wordt gedreven door specifieke negatieve partiële correlaties tussen fundamenteel tegengestelde sectoren. Voorbeelden die zijn geïdentificeerd zijn onder meer het conflict tussen digitale platforms en retailvastgoed (2016–2017), entertainment-aandelen versus self-storage REITs (2021–2022), en energie-aandelen versus gezondheidszorgfabrikanten (2022–2023).
Macro-economische Drijvers: Regressieanalyse toont aan dat ongeveer 68,2% van de variantie in globale polarisatie wordt verklaard door macro-economische variabelen. Specifiek zijn hogere druk op de wereldwijde toeleveringsketens en grotere inflatieonzekerheid (gemeten door de standaarddeviatie van de CPI) significant geassocieerd met lagere niveaus van globale polarisatie (d.w.z. een toename van structurele onbalans).
Statistische Significantie: De geobserveerde polarisatiemetrieken leveren z-scores op die ruim boven de significantiedrempel ( $z > 3$ ) liggen wanneer ze worden vergeleken met zowel het graad-behoudende als het topologie-behoudende nulmodel, wat bevestigt dat de structurele onbalans een robuust kenmerk is van de organisatie van het financiële netwerk onder stress, en geen willekeurig artefact.

Betekenis en Claims
Het artikel claimt een kwantitatief kader te bieden voor het begrijpen van de mesoscopische oorsprong van structurele instabiliteit in financiële netwerken. Door globale polarisatie te decomponeren, tonen de auteurs aan dat het "verlies van balans" tijdens economische crises geen uniforme ineenstorting is, maar een specifieke accumulatie van conflicten tussen sectoren.

De studie stelt dat hoewel individuele sectoren de neiging hebben om interne coherentie te behouden (een lage-energietoestand), het financiële systeem als geheel "vastloopt" of gevangen raakt in lokale minima door incompatibele interacties tussen sectoren. Dit kader biedt een principieel benadering om te volgen hoe gelokaliseerde sectorale conflicten voortplanten om grootschalige structurele instabiliteit te veroorzaken. Bovendien stellen de auteurs dat hun methode generaliseerbaar is naar andere financiële markten, zoals vreemde valuta en cryptovaluta, en dat de geïdentificeerde link tussen toeleveringsketen-/inflatiedruk en netwerkpolarisatie een nieuw perspectief biedt voor het interpreteren van systemisch risico door de lens van de structurele balans-theorie.

De Grote Financiële Touwtrekkerij: Wie Vecht Met Wie?

Technische Samenvatting: Sectorale Interafhankelijkheden en Structurele Balans in Financiële Netwerken

Meer zoals dit