上海证券市场A股股票网络复杂特性分析

以上海A股市场2013年4月到2014年4月持续交易的股票为节点,以股票价格波动相关性为连边,分别建立了无向无权的股票网络和有向无权股票网络。分析无向无权股票网络的聚类系数和度分布等网络拓扑特性,发现无向股票网络具有小世界效应和无标度特性。通过划分网络的社团结构,分析社团中股票行业分类,发现了具有同涨同跌关系的股票子集和股票市场中股票价格同涨同跌的关联机制。有向无权股票网络能够体现股票间价格波动的迟滞关系,分析发现股票相互影响是有方向的,而且网络中出度大的节点占有核心地位能够影响与它相连的股票价格的波动。     

我国证券市场波动性与流动性的复杂网络特性

分别基于股票价格波动相关性、流动性相关性,运用阈值法构建了我国沪深股票市场股票关联网络,研究网络的拓扑特征.实证研究表明:股票之间的价格波动和流动性大多呈同向变动趋势;在一定的阈值区间内,股票关联网络具有小世界性,表明单个股票价格波动或流动性的增减,可以通过网络传染给其他股票,同时这种传播在集团内部更为容易;并且在特定阈值区间内,股票关联网络的度分布具有无标度性,说明我国股票市场中存在少量的具有较大市场影响能力的股票,它们对网络的整体价格波动(流动性)关联起着重要作用.实证研究结果对股票投资组合风险管理具有一定的指导意义.     

基于无标度网络的深圳证券交易市场特性分析

应用无标度网络理论对深圳证券交易市场进行了分析,以抽样的方式选取2004年以前在深圳证券交易所上市并且持续交易的300家股票为节点,股票价格波动相关性为边,构建了深圳证券市场网络。验证了其无标度的特性,并且在特定值下对该网络的度分布指数进行了计算,结果表明深圳证券市场中存在很多有影响力的股票,且这些股票价格的波动会对其它股票和市场造成较大影响。     

上海证券市场的复杂网络特性分析

证券市场作为一个复杂的经济系统,可以用复杂网络来抽象和描述.选取2002年以前在上海证券交易所上市,并且在2002年初至2004年末在上海证券交易所持续交易的股票为节点,股票价格波动相关性为边构建一个无向无权的证券市场网络.利用复杂网络的理论和研究方法,分析该网络的拓扑结构,发现该网络具有典型复杂网络的统计特性——小世界效应和无标度特性,从而为研究证券市场提供了一个新的视角.     

基于非线性波动网络模型的股票市场关联特征研究

股价波动是股票市场研究的重要内容,本研究基于信息理论和复杂网络理论提出股票市场的股价波动网络模型.首先对股价波动关联性进行度量,然后分析股价波动的聚集性,运用极大平面过滤图算法对股票之间关联性进行分层研究.以上证180指数金融成分股票为样本,实证结果发现:与常用的线性相关系数相比,在非线性波动条件下,互信息和最大信息系数对关联系有更好的度量,在结果的精确性上,最大信息系数比互信息更具优势.在构建的股票网络中,仅有少数关键的股票节点,信息的传递通过这些节点以分层的方式传递到整个市场.在金融大数据背景下,非线性波动网络模型为挖掘市场风险特征提供新的方法.     

基于情感分析和GAN的股票价格预测方法

股票价格具有非平稳性和波动性特点,且投资者容易受自身情感影响,投资决策行为具有非理性特征,因此股票价格难以预测.针对预测股票价格的卷积神经网络情感分析方法存在文本标记分布不平衡问题,本文提出一种基于情感分析和生成对抗网络的股票价格预测方法.首先,建立金融领域情感词典库;然后,使用基于词典的情感分析方法计算金融文本数据的情感极性和投资者每天的总体情感指数;最后,利用生成对抗网络对股市波动进行预测,其中生成器生成股票序列数据,而判别器采用卷积神经网络对生成数据和真实数据进行区分.该方法能动态地更新股票价格预测结果且误差较小.     

基于多领域复杂网络拓扑结构的节点重要度评价方法

节点的重要度评价对复杂网络上节点的传播影响力具有重要的理论意义和应用价值,但传统的基于网络位置的方法并未考虑多维指标特征对网络节点重要度的影响,导致在大型网络的节点重要度评价中,一般节点的排序结果精度不高.为此在深入剖析经典的混合度分解算法以及传统重要性排序算法缺陷的基础上,结合网络节点的全局特征和局部特征对节点进行重要度影响分析,并将三度影响力原则融入节点的局部特征,提出一种适用于无向网络的基于多领域复杂网络拓扑结构下的节点重要度评价方法,即基于聚集系数和邻居特征的混合分解方法(CNMD).在社交网络、电子邮件网络、协作网络等10个领域数据集上的实验结果表明,相比于MDD、Eksd和MCDWE等算法,CNMD方法排序结果的分辨率分别达到了92.44%、99.99%、98.68%等,在10个领域数据集上的平均分辨率为98.73%,最高分辨率为99.99%,最低分辨率为92.44%,明显优于对比算法,可以更有效地应用于大型复杂网络中节点重要度的快速评价与计算.     

一种基于极大完全图扩展的社区挖掘算法

社区挖掘是复杂网络分析中一项重要工作.目前已有许多好的社区挖掘算法,但这些算法大多基于节点间的连接关系发现内聚的社会团体,而实际网络中节点大多具有不同的行为和影响力.基于此,充分考虑社区内节点相互连接紧密以及节点具有不同影响力的特性,提出一种基于极大完全图扩展的社区挖掘两阶段算法.第一阶段:从内聚的子团和度中心性节点的影响力出发,从网络中选取分散的k个内聚的且有影响力的极大完全图作为初始社区;第二阶段,基于局部社区模块度扩展方法,将重叠节点和初始社区外节点扩展到与其连接紧密的相应社区内.最后通过仿真实验验证了该算法的有效性.     

基于多视角股票特征的股票预测研究

股票价格预测是金融行业中的一个重要研究内容,能够更准确地分析股票价格走势对于投资机构至关重要.目前,关于自动化预测股票价格发展的研究工作相对较少,还有许多问题需要解决.针对传统股票预测方法中视角单一、无法充分考虑数据的各特征重要度的问题,提出一种基于多视角股票特征的股票预测方法,通过计算股票数据的Ma,Macd,Kdj,Boll特征指标,训练每个指标下的弱学习器,并进行多个弱学习器的集成学习,最终用于预测股票价格走势.使用美国股票新闻数据集进行验证.结果表明,基于多视角股票特征的股票预测方法预测得到的股票价格与实际价格之间的平均误差与均方误差分别为1.9321和0.0581,优于传统的基于单一指标的股票预测结果 .     

上海股票市场网络拓扑指标与波动率的相关性

以股票作为网络的节点,股票间关联性作为边,使用最小生成树方法构建上海证券市场股票网络,计算网络的基本拓扑指标,分析这些指标与股票市场波动率的相关性.结果表明:网络的平均路径长度和市场波动率成负相关,当市场波动率越高,节点之间的距离越短,网络收缩越紧密;平均占有层和市场波动率成负相关,当市场波动率增加,网络中的点更趋近于中心节点;节点的最大度和市场波动率成正相关,随着市场波动率增加,网络节点之间的关联性增强,协同运动趋势增强.通过分析股票网络拓扑指标的变化规律从而对股票市场波动的变化进行预测.