面向金融股权网络的网络表示学习技术应用研究

发布时间：2023-03-18 23:38

　　中国金融市场在最近30年取得了令世界瞩目的成绩,随着互联网技术发展以及服务不断完善,各金融机构都累计了海量的交易和资讯类型的数据,如何将这些数据综合利用起来,以便于更好的回馈于金融市场是各金融企业亟待解决的问题。在传统经济学领域,通常采用各种经济学指标对市场的行为和现象进行研究与分析解释。随着复杂系统理论不断发展,复杂网络研究取得了大量丰富的成果。金融市场作为一个典型的复杂系统,将复杂网络的研究成果应用于金融市场,具有非常重要的理论和现实意义。尤其在国家大力推动金融科技战略的背景下,通过复杂网络的分析方法来研究金融数据,已经成为了工业界和学术界共同追捧的热点。金融股权网络作为金融市场重要的组成部分,弥补了传统金融网络研究对股权投资信息的重视不足,从而更加客观的刻画了金融市场的复杂特征。金融股权网络涵盖股票以及信托、基金、期货等金融衍生产品,股权结构十分复杂。传统复杂网络技术在处理时,通常采用自定义的网络特征进行分析,然而这种手动提取的数据特征粒度较粗,难以挖掘网络深层次的价值。近年来,深度学习在工业界的大获成功,端到端学习和表征学习越来越受到人们的重视。网络表示学习技术将复杂的图数据向...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状及分析
        1.2.1 复杂网络研究发展
        1.2.2 复杂网络在金融网络领域的研究
        1.2.3 网络表示学习研究
    1.3 论文的主要研究工作及创新点
        1.3.1 论文研究工作
        1.3.2 论文工作创新点
    1.4 论文组织结构
2 网络表示学习技术
    2.1 基于矩阵分解的网络表示学习技术
    2.2 基于随机游走的网络表示学习技术
        2.2.1 Word2vec词向量嵌入模型
        2.2.2 节点采样策略
        2.2.3 基于随机游走的网络表示学习模型
    2.3 基于图神经网络的网络表示学习技术
        2.3.1 图卷积
        2.3.2 图神经网络
        2.3.3 图卷积神经网络
    2.4 本章小结
3 引入拓扑结构编码的金融股权网络表示
    3.1 引言
    3.2 相关工作
        3.2.1 金融股权网络构建
        3.2.2 资金社区发现
        3.2.3 引入拓扑结构编码的随机游走
    3.3 引入拓扑结构编码的节点嵌入模型
        3.3.1 模型定义
        3.3.2 算法流程
    3.4 实验设置与分析
        3.4.1 实验数据集
        3.4.2 实验评价指标
        3.4.3 实验结果分析
    3.5 本章小结
4 面向时序拓扑结构的金融股权网络表示学习
    4.1 问题描述
    4.2 相关工作
        4.2.1 动态随机游走嵌入模型
        4.2.2 时序投资偏好的随机游走
    4.3 模型框架介绍
        4.3.1 模型定义
        4.3.2 算法流程
    4.4 实验结果及分析
        4.4.1 实验数据集
        4.4.2 实验评价指标
        4.4.3 实验结果分析
    4.5 本章小结
5 基于GraphSage信息融合的金融股权网络表示学习
    5.1 问题描述
    5.2 相关工作
        5.2.1 GraphSage
        5.2.2 消息传递网络
    5.3 模型框架介绍
        5.3.1 模型定义
        5.3.2 算法流程
    5.4 实验结果及分析
        5.4.1 实验数据集
        5.4.2 实验评价指标
        5.4.3 实验结果分析
    5.5 本章小结
结论
致谢
参考文献
攻读硕士期间的研究成果及参加的科研项目



本文编号：3764092