论文部分内容阅读
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。