基于复杂网络社区发现技术的上证股票时序数据凝聚性研究

发布时间：2019-11-05 06:49

【摘要】：随着全球化趋势的不断深化,经济竞争的日益激烈,保持金融市场的稳定和健康发展变得尤为重要。近些年来,股票市场已经成为金融市场的重要构成部分,从而引发人们越来越多的关注。在股票市场被证明可以抽象成复杂网络之后,许多学者就运用复杂网络的相关理论和方法对其进行研究。复杂网络是对人们生活中存在的复杂性系统的抽象和描述,它侧重于复杂性系统的拓扑结构特性,把复杂性系统中的大量组成单元看作是网络的节点,把各个单元之间的关系看作为节点之间的连边。利用复杂网络的相关理论与方法对股票市场进行建模研究,能够从更加宏观的层面挖掘出其它方法所无法获取到的股票市场中潜藏的信息,从而为学者们进行股票市场的研究提供了一个新思路。本文运用复杂网络的理论方法构建了上证180指数成分股票关联网络和MST网络,分析其网络性质,了解其股价波动规律;并且基于复杂网络社区发现技术,对这两个股票网络进行社区划分。主要工作内容如下:1.选取上证180指数成分股中的132只股票为研究对象,并基于2015年1月1日至2016年9月30日的股票每天的收盘价和交易量数据,运用相关系数阈值法和最小生成树法构建了无向加权的股票关联网络和股票MST网络。2.通过计算复杂网络的度量指标——平均路径长度、聚类系数、度和度分布来判断上证180指数成分股票关联网络是否具备小世界性和无标度性,同时,分析股票MST网络,以便较为精准的找出在整个股票市场中占有重要地位且影响能力较强的股票。3.对CNM算法进行了改进,使其适用无向加权网络,并利用改进后的CNM算法对股票关联网络和MST网络进行社区划分,通过分析社区结构提出了适合广大投资者运用的投资组合策略。
【图文】：

规则网络,耦合网络,节点,星型

a.全局耦合网络 b.最近邻耦合网络 c.星型耦合网络图 2.2 三种常见的规则网络最近邻耦合网络中的所有节点都仅与其邻近的节点相连接，如图 2.2b 所示，节点呈环状分布，且每个节点仅与其两边各 m/2 个邻近节点存在连边（m 为偶数）。当 m 的值趋于无穷大时，该网络的聚类系数等于 3/4，，这就表明这种复杂网络的聚类程度是很高的，但当 m 的值为某一特定的值时，该网络的平均路径长度是趋于无限大的。星型耦合网络包含的 n 个节点的连接情况如图 2.2c 所示，网络中仅存在一个核心节点，而网络中的其它节点都只和这个核心节点存在直接连边，它们两两之间并不存在连边。星型耦合网络的聚类系数等于 0，且若节点个数趋于无穷大时，其平均路径长度等于 2。（2）随机网络模型随机网络不同于规则网络，两者是全然相反的，其中最为经典的就是 Erd s P 和 RényiA 于 20 世纪 50 年代末提出的 ER 随机网络[61]。

随机网络,规则网络,节点

图 2.3 ER 随机网络形成过程（3）WS 小世界网络模型为了更好地刻画完全规则网络是如何演变为完全随机网络的，Watts 与 Strogatz 在研究中发现只要在规则网络中加入部分随机性就能够使其演变成为具备小世界性的网络。WS 小世界网络模型的建立算法如下：①从规则网络开始：给定一个规则网络，假设该规则网络中节点的个数为 n，且这n 个节点呈圆形分布，每个节点仅与其两边各 m/2 个邻近节点存在连边（m 为偶数）。②随机化重连：断开网络中存在的所有连边，使得所有连边保持与一端的节点相连，然后选取其它节点作为连边另一端的节点，选取节点的概率设为 p。规定任意节点对之间不可能有两条或以上连边，且所有节点都不可能和自己相连接。在此建立算法中，当 p 等于 0 时，构建的模型是完全规则网络模型；当 p 等于 1 时，
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F832.51

【参考文献】