基于复杂网络理论的金融市场若干问题研究

论文摘要

复杂网络理论是研究复杂性系统的重要理论之一,它主要诵讨网络的形式模拟复杂性系统,抽象网络中的对象作为节点,对象间的某种关系作为网络的边,进而通过分析网络的整体或部分的统计特性得到复杂系统的性质。金融市场是一个非常复杂的系统,它有众多的投资者参与,由众多的投资品种组成,而众多的投资者的众多投资行为形成了非常复杂的金融市场。这非常适合利用复杂网络理论进行研究,抽象金融市场投资品种作为网络的节点,投资品种间的相互关系作为网络的边,这样就形成了一个标准的复杂网络,可以通过对网络性质的研究得到金融市场的规律。本文针对国际国内的股票期货市场,以国际国内股票期货市场的价格数据作为基本数据构建复杂网络,利用复杂网络理论对其整体特性进行分析,得出理论及实践结果。主要研究工作有如下四个方面：(1)基于复杂网络理论的国际股票期货指数网络研究以61个国际股票指数作为研究对象,构建国际股票指数复杂网络,进而利用复杂网络理论将国际股票市场作为一个整体进行研究,研究了金融危机以来国际股票指数的整体关联性特征。接着以文华财经发布的期货指数作为研究对象,构建国际期货指数复杂网络,利用复杂网络理论将国际期货市场作为一个整体进行研究,从国际期货指数的角度分析其对整体期货市场的影响及其自身之间相互影响的规律,进而分析各个产业在国民经济中的地位及相互的影响关系。(2)沪市股票中短期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VaR数组之间的相关系数作为权值分别构建下跌期、上涨期和振荡期股票中短期风险复杂网络。分别计算在这三种情况下的复杂网络统计参数,考察三种情况下的股市风险特征,为实际投资操作提供一定程度上可以借鉴的意见。(3)中国股市的网络节点同配性和网络导航现象研究以我国大陆股票市场作为研究对象,构建复杂网络,然后将股票分别按照地区、行业、市值三种分类标准进行分类,研究三种分类标准下网络节点的同配性；再对按照行业分类标准下的网络导航现象进行研究。研究发现,在阈值较低时,中国股市表现出一定的异配性；而当阈值达到一定程度,则展示出较强的同配性。网络导航现象在股市中体现了异类股票间的相互影响作用,而在中国股市中存在较多的网络导航现象。(4)中国股市复杂网络中的分形特征以我国上海股票市场作为研究对象,利用阈值法构建复杂网络模型,从时间和空间两个角度对中国股市复杂网络的分形特征进行分析。首先利用分形几何学对静态网络进行分析,得到静态网络的分形维数,再利用R/S分析方法对中国股市复杂网络聚集系数时间序列进行分析。发现所研究网络具有非常明显的分形特征。在本文的最后,总结了主要研究内容和结论,并指出了本文研究的局限性和进一步研究的方向。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景与意义
• 1.1.1 选题背景
• 1.1.2 选题意义
• 1.2 国内外研究现状及存在的问题
• 1.2.1 复杂网络理论的研究团队及研究现状
• 1.2.2 金融市场复杂网络理论研究的文献综述
• 1.3 研究内容、研究方法、研究意义及创新点
• 1.3.1 研究内容
• 1.3.2 研究方法
• 1.3.3 研究意义及创新点
• 1.4 论文的逻辑结构
• 第二章 复杂网络的基本理论
• 2.1 复杂网络研究历程
• 2.1.1 随机图理论
• 2.1.2 Milgram小世界实验
• 2.1.3 弱连接的强度
• 2.1.4 复杂网络研究的兴起
• 2.2 复杂网络理论模型
• 2.2.1 规则网络
• 2.2.2 随机网络
• 2.2.3 WS小世界模型
• 2.2.4 BA无标度网络模型
• 2.3 本文应用的复杂网络理论及方法
• 2.3.1 网络的图表示方法
• 2.3.2 平均路径长度
• 2.3.3 聚集系数
• 2.3.4 无标度特性
• 2.3.5 网络节点的同配性
• 2.3.6 网络导航现象
• 第三章 基于复杂网络理论的国际股票期货指数网络研究
• 3.1 研究背景
• 3.2 国际指数复杂网络的构建和结构特性
• 3.2.1 国际指数无权复杂网络的构建和结构特性
• 3.2.2 国际指数有权复杂网络的构建和结构特性
• 3.3 国际股票指数复杂网络的实证研究与结果
• 3.3.1 无权复杂网络的实证研究与结果
• 3.3.2 有权复杂网络的实证研究与结果
• 3.4 国际期货指数复杂网络的实证研究与结果
• 3.4.1 无权复杂网络的实证研究与结果
• 3.4.1.1 无权复杂网络的构建
• 3.4.1.2 无权复杂网络的小世界效应分析
• 3.4.1.3 无权复杂网络的同配性
• 3.4.2 有权复杂网络的实证研究与结果
• 3.5 本章小结
• 第四章 沪市股票中短期风险复杂网络特性分析
• 4.1 研究背景
• 4.2 沪市股票中短期风险复杂网络的构建
• 4.2.1 中短期风险值即VaR值的计算
• 4.2.2 沪市股票中短期风险网络的构建
• 4.3 沪市下跌期的实证研究与结果
• 4.3.1 小世界效应
• 4.3.2 无标度特性
• 4.3.3 沪市股票中短期风险网络与价格复杂网络的比较
• 4.3.4 证券市场股票中短期风险网络在多个时间窗口条件下的统计特性比较
• 4.4 沪市上涨期的实证研究与结果
• 4.4.1 上涨VaR数组相关系数讨论
• 4.4.2 上涨期“小世界效应”分析
• 4.4.3 上涨期“无标度特性”分析
• 4.4.4 上涨期股票中短期风险复杂网络在多个时间窗口条件下的统计特性比较
• 4.5 振荡期实证研究和结果
• 4.5.1 振荡期VaR数组相关系数讨论
• 4.5.2 振荡期“小世界效应”分析
• 4.5.3 振荡期“无标度特性”分析
• 4.5.4 振荡期股票中短期下跌和上涨风险复杂网络统计特性比较
• 4.6 本章小结
• 第五章 中国股市网络节点同配性和网络导航现象研究
• 5.1 研究背景
• 5.2 数据与方法
• 5.2.1 数据的选取
• 5.2.2 中国股市复杂网络的构建
• 5.2.3 网络节点的同配性
• 5.2.4 网络导航现象
• 5.3 中国股市同配性研究
• 5.3.1 网络的构建
• 5.3.2 网络节点同配性的实证研究结果
• 5.3.3 网络节点同配性的实证研究结果分析
• 5.4 中国股市网络导航现象研究
• 5.5 本章小结
• 第六章 中国股市复杂网络中的分形特征
• 6.1 研究背景
• 6.2 中国股市复杂网络的空间分形特征
• 6.2.1 网络的构建及聚集系数
• 6.2.2 空间分形特征
• 6.2.3 实证研究
• 6.2.4 结果分析及讨论
• 6.3 中国股市复杂网络的时间分形特征
• 6.3.1 网络的构建及聚集系数时间序列
• 6.3.2 经典R/S分析
• 6.3.3 实证研究
• 6.3.4 结果分析及讨论
• 6.4 进一步的讨论
• 6.5 本章小结
• 第七章 结论与展望
• 7.1 研究结论
• 7.2 进一步研究方向
• 参考文献
• 致谢
• 作者在攻读博士学位期间发表的论文
• 作者在攻读博士学位期间科研及获奖情况