基于链路预测对A股市场潜在影响力股票的分析

摘要

近年大量的研究人员主要是通过复杂网络的拓扑结构以及中心性度量的方法来描绘复杂网络中的基本特性。而在网络信息化社会中，复杂网络早已被广泛的利用到各行各业中，其中金融证券市场便是复杂网络的一个重要的讨论方向，使得复杂网络中的链路预测被提升为研究主体。在金融证券市场里股票价格的大幅波动会产生较大的风险。这不仅打破市场带来的均衡价值，甚至可能促使市场机能的彻底丧失。因此利用相关系数法与阈值法来构建股票网络市场，运用局部结构中心性来分析A股市中潜在影响力的股票，随后结合链路预测中相似性指标来衡量潜在影响力股票在未来相互连接的可能性程度。
　　本研究主要内容包括：⑴从拓扑结构中心性来衡量节点重要性的影响程度。其中通过比较了局部度量和全局度量的中心值，阐述其优缺点。即本论文将运用局部结构中心法来分析A股市场中股票的影响力，其中它的精确性远远高于局部度量，而计算复杂性远远低于全局度量。⑵收集每日A股股票的收盘价格数据，来做股票价格的对数相关系数计算，从而简单粗略地反映股票之间相关性的强弱。随之引入度量矩阵和阈值法来分析股票网络市场模型，并得出本论文研究股票网络市场模型的阈值为0.89较为合适。通过对阈值取值不同时，分别运用局部结构中心法来分析股票网络市场中潜在影响力的股票。⑶以股票节点之间的相似性越大连接可能性就越大为研究前提条件，以AUC为评价标准并利用控制变量法来比较局部信息相似性，分析出资源配置(RA)相似性指标为最佳理想的相似性指标。基于RA指标与局部路径相似性指标中网络的动态演化，可知最优相似性指标是在不断的发生变化。

目录

声明

1 绪 论

1.1 研究背景

1.2 研究的意义

1.3 国内外研究现状

1.4 论文章节及内容安排

1.5 研究创新点

2 相关理论知识的阐述

2.1 复杂网络的概念

2.2 复杂网络的拓扑结构中心性

2.3 中心性方法比较分析

3A股市中潜在影响力的股票分析

3.1引言

3.2 数据收集与处理

3.3 构建股票市场模型

3.4 局部结构中心性

3.5 不同阈值中股票影响力的分析

3.6 本章小结

4 基于局部信息与路径相似性指标的链路预测

4.1 引言

4.2 算法的描述

4.3 实验以及结果分析

4.4 本章小结

5 结束语

5.1 总结

5.2 不足与展望

参考文献

致谢

在读期间撰写的论文

在硕士期间参加的科研项目