본 연구는 금융시장의 복잡한 상호작용을 보다 잘 이해하기 위한 노력의 일환으로, Random Matrix Theory( RMT)방법을 한국주식시장(KOSPI)과 미국주식시장(S&P500)의 개별주식자료에 적용 및 관찰함으로써 제안된 방법의 유용성을 실증적으로 확인하고자 하였다. 관찰된 검증결과는 다음과 같다.
첫째, 실제금융시계열자료에 대한 상관행렬의 확률분포는 무작위 과정을 따르는 이론자료에서는 관찰되지 않는 시간종속성을 갖는다. 둘째, RMT방법에서 분석적 무작위 상관행렬의 고유치 범위
를 기준으로 고유치의 확률분포를 조사하였을때, 무작위 과정을 따르는 이론자료는 설정된 범위를 벗어나는 고유치가 존재하지 않는 반면에 실제 금융시계열자료는 설정된 범위를 벗어나는 고유치가 존재하였다. 그리고, 범위를 벗어나는 고유치들 중에서 가장 큰 고유치는 시장의 대표 공통요인인 시장지수와 매우 높은 관련성을 갖는 것으로 확인되었다. 셋째, 분해된 상관행렬 중에서 분석적 무작위 상관행렬의 범위를 벗어나는 고유치의 속성을 반영한 필터 상관행렬의 확률분포는 원래 상관행렬의 확률분포와 매우 유사한 반면에 범위 내에 속하는 무작위 상관행렬의 확률분포는 뚜렷하게 른 형태를 나타내었다. 넷째, RMT방법에서 분해된 상관행렬을 주식간 네트워크에 직접적으로 용하여 주식간 상호작용 속성을 충분히 반영하고 있는지를 조사하였을 때, 필터 상관행렬을 이용하여 도출된 주식간 네트워크는 원래 상관행렬의 주식간 네트워크의 상호작용 속성을 잘 반영하고 있었으며, 특히 다른 주식과 많은 연결개수를 갖는 주식들에 대한 일치정도가 매우 높았다. 이상의 검증결과에서, RMT방법에서 분석적 무작위 상관행렬의 고유치 범위를 이용하여 분해된 상관행렬들에는 기존연구에서 이론적으로 정의한 것과 같이 의미 있는 요인들과 무작위한 요인들이 상관행렬에 충분히 잘 반영되어 있다는 것을 알 수 있었다. 그리고, 주식수익률간 상호작용을 계량화한 상관행렬에서 무작위 요인들을 분해하고 의미 있는 요인들로 구성된 상관행렬을 직접적으로 활용할 수 있는 대안적 방법으로 RMT방법의 가치를 확인할 수 있었으며, 재무분야의 다양한 연구 영역으로의 적용 및 활용 가능성을 인정할 수 있었다.
