基于多子网复合复杂网络的微博网络特性研究

微博是一个复杂的信息传播系统,其中微博用户之间构成复杂的关系。本文根据复杂网络性质以及邵峰晶教授提出的多子网复合复杂网络模型,构建了微博信息传播的复合网络,分析了微博传播特性以及通过网络的退缩运算得到不同用户类型的复杂网络子网。分析了微博复合网及其子网的网络结构,得出微博复合网以及子网的特性。     

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.     

金融市场的无标度特征研究

基于股票价格波动序列的相关特性,提出一种金融市场的复杂网络建模机制.通过研究基于股票价格波动序列建立的复杂网络模型,发现金融市场的网络节点度分布具有无标度特征.它说明少数"中心"节点的股票对金融市场整体价格波动影响力比较大,甚至可以影响全局,其他大多数股票影响力相对较小.进一步研究网络聚类系数与最近邻平均度,发现金融市场具有分层结构和非相关联匹配的特征.这些结论对于从复杂网络的角度理解金融市场相互作用机制可能有重要的启示和作用.     

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。     

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.     

我国股票市场拓扑性及加权网络中行业主导性分析

采用聚类算法得到最小生成树,研究不同行业股票的拓扑性结构.在加权复杂网络模型的基础上,建立了考虑网络时变特点的动态加权网络模型.利用上证180指数作为研究样本,研究中国股票市场的行业主导性.实证结果表明:我国证券市场存在明显的聚集性,相同行业股票具有相似的特点;金融保险和制造业行业相对更加活跃,其他行业股票价格更容易受到这两种行业股票价格的影响;证券市场中行业的主导性会随着时间的变化而改变,新兴行业逐渐占据行业的主导地位.     

基于BiGRU和残差图注意力网络的股票价格预测模型

高效、准确的股票价格预测能帮助投资者合理规划交易方式,提高投资收益。针对现有股票价格预测模型的准确率不高、投资收益率低等问题,提出一种结合双向门控循环单元(BiGRU)和残差图注意力网络(ResGAT)的股票价格预测模型(BiGRU-ResGAT)。首先,通过结合注意力机制的时间滑动窗口方法(TSWMCAM)动态计算不同股票之间的关联系数,构建表征股票之间关联关系的股票图结构;然后,使用BiGRU捕获股票在时序上的长距离依赖信息;最后,利用ResGAT对股票的时序特征与股票间的关联特征进行深度挖掘和融合,并对股票价格进行预测。在上海证券交易所主板市场498支股票上的价格预测结果显示,与支持向量机(SVM)、门控循环单元(GRU)、复合模型(CNN-LSTM)和关系股票排序模型(RSR)相比,BiGRU-ResGAT在股票测试集上平均绝对误差(MAE)分别降低79.53%、63.20%、48.17%、33.19%,均方根误差(RMSE)分别降低80.23%、66.22%、53.99%、29.99%,决定系数(R-Squared)分别提升23.34%、15.22%、9.54%、4.84%;...     

上海股市单边下跌股票风险复杂网络特性分析

利用股票VaR数组对股票中短期风险进行模拟,并以上海市场股票为节点,利用股票VaR数组之间的相关系数作为权值构建一个无向无权网络,即股票中短期风险复杂网络,并对其进行复杂网络特性分析.结果表明:所构建网络具有小世界效应;在特定情况下具有无标度特性,而在大多数情况下,并不具有无标度特性;单边下跌条件下,各支股票的价格波动影响较大,而各支股票的风险相互影响较小;时间跨度较小的情况下,持有不同股票所遭受的损失相差较大;而时间跨度较大的情况下,持有不同股票所遭受的损失相差较小.     

一种新的多重权值复杂网络模型的同步分析

在传统单权值复杂网络的基础上,建立了一个具有多重权值的复杂网络模型.同时根据网络拆分的思想,将含有多重权值的复杂网络拆分为若干个单权值的子网络.进而根据Lyapunov稳定性理论,研究了多重权复杂网络的全局自适应同步,给出了网络的同步准则,并以Lorenz系统为例,通过数值仿真验证了结论的有效性.     

应用复杂网络研究板块内股票的强相关性

为探索股票之间相互影响的行为,提高投资组合构建能力,以中国股市煤炭、电力板块股票为节点,以近19年股票对数回报的相关系数为边,建立复杂网络模型。通过对网络拓扑参数计算,发现该网络为无尺度网络,节点度分布负幂指数小于1,无权网络和加权网络平均集聚系数分别为0.68和0.41。对网络中心性进行了测量,发现000723,601898,601918三个节点是整个网络的核心节点;网络可划分成两个分区,并抽取出一个高度耦合的具有13个节点的中心网络,对整体网络有很大影响。     

B股向境内居民开放后中国A,B股价差问题

建立了B股市场向境内居民开放后的资产均衡定价模型,并从信息传递、风险补偿、流动性、风险态度和需求弹性差异角度,运用多元逐步回归的方法,对2001-2003年间的数据进行实证检验,得到与模型分析一致的结论:B股对境内居民开放以后,双重上市公司A,B股价格仍然存在差异主要是由于风险态度差异和需求弹性差异两方面因素决定的,价差的消除可通过改变境内居民投资者的风险态度和扩大B股的有效需求来实现.     

基于遗传神经网络的个股价格短期预测

针对个股价格的短期预测,提出了一种基于遗传神经网络算法的股票收盘价格分析和预测方法,在允许的相对误差下,所得到的模拟结果表明预测系统能够较好地预测股票价格的趋势.人工神经网络预测股票价格具有良好的应用前景,而遗传神经网络算法则可提高预测的速度和可靠性.     

基于复杂网络理论的沪深A股分析

根据复杂网络理论,从一个新的角度分析沪深A股.对沪深A股构建复杂网络,计算网络的集聚系数和吸引率,得到不同行业的聚合强度及其对A股市场股价波动的影响程度.计算结果表明,金融股内部的聚合强度最大,行业内部股价波动更容易传播,股价波动对中国A股市场股价的波动影响最大.     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

校园网应用层安全技术研究

根据ISO七层网络结构，分析了网络的安全模型，将网络结构划分为连接子网、公共子网、服务子网和内部网四个部分，它们有不同的结构和使用对象，所以也有不同的安全需求；并着重研究了校园网应用层的安全解决方案。     

安全隔离技术在电力信息网络安全防护中的应用

对电力信息网进行了内、外网分级安全防护规划设计,采用安全隔离技术研制的信息网络安全隔离器放置在信息内、外网边界,实现内、外网的隔离和安全通信,现场应用中取得了良好效果.     

OIF Elman神经网络在股市综合指数预测中的应用

利用具有动态反馈机制的OIF Elman(Output-Input Feedback Elman)人工神经网络模型对股市的综合指数进行预测,为股票市场的建模及预测提供了一种新的技术和方法。实验模拟结果表明,OIF Elman网络具有极佳的逼近性能,预测数据与实际数据基本吻合,因此,OIF Elman神经网络用于股市预测是可行、有效的,具有很好的预测潜能和广泛的应用前景。     

西北大学校园网（NWUnet）方案设计

给出了一个校园网设计方案；详细讨论了校园网建设目标、设计原则以及网络拓扑结构、主干网构建、局域网互连、网络应用、网络管理等关键理论与技术问题。