基于RMT和PMFG的股市网络构建与股市联动性研究

发布时间：2017-10-06 16:10

  本文关键词：基于RMT和PMFG的股市网络构建与股市联动性研究

  更多相关文章： 复杂网络理论 股票市场 联动性 随机矩阵理论 最大滤镜平面图

【摘要】：近年来,全球经济一体化进程不断加快,各国（地区）资本市场的关联日趋紧密。美国次贷危机引爆全球经济危机以及希腊债务危机演化成欧洲债务危机证明了全球范围内各国（地区）经济不是孤立发展,而是相互影响的。一国（地区）的股票市场作为反映其经济状况的“晴雨表”,不仅能够敏锐捕捉经济的瞬息万变,也对其它股票市场产生着波动溢出。特别是,新兴股票市场的不断开放,加强了成熟市场与新兴市场之间联动性。考虑到股票市场间联动性的灵活性与复杂性,本文结合随机矩阵理论与复杂网络理论,构建全球36个股票市场的相关系数网络,研究股票市场间动态联动性。首先,通过梳理相关文献,发现关于股票市场间联动性问题虽然已有较为丰富的研究成果,但迄今为止这些成果对股票市场间联动性的解释力度仍旧不够,鉴此本文从方法论的角度出发,围绕股票市场的相关系数处理问题展开理论分析。接着,运用最大滤镜平面图构建股票市场网络刻画股票市场间动态联动性。最后,收集样本数据进行实证分析并得出有效结论。研究表明,第一,股票市场网络具有小世界效应。第二,股票市场网络可以划分为6个社团,每个社团内的股票市场间具有较强联动性,俄罗斯股票市场、中国台湾股票市场、泰国股票市场、马来西亚股票市场、希腊股票市场和日本股票市场分别占据这6个社团的中心点位置,即社团内发生金融风险时,这6个股市最易受到风险感染。第三,法国股票市场、美国纽约股票市场、比利时股票市场和英国股票市场是股市网络中影响强度最大4个股票市场。也就是说,它们的波动对网络中其它股市产生较大影响。总之,金融全球化的作用下各国（地区）股票市场相互影响相互制约。研究全球范围内股票市场的动态联动性,不仅有利于风险管理部门适时有效的调控金融风险在股票市场间的传染溢出,也作用于投资者在全球股票市场间的投资组合选择。
【关键词】：复杂网络理论 股票市场 联动性 随机矩阵理论 最大滤镜平面图
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F831.51
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-21
• 1.1 选题背景与研究意义11-12
• 1.1.1 选题背景11
• 1.1.2 研究意义11-12
• 1.2 相关文献综述12-18
• 1.2.1 基于传统方法的股票市场间联动性研究12-16
• 1.2.2 基于复杂网络理论的股票市场联动性研究16-17
• 1.2.3 基于随机矩阵理论的股票市场去噪问题研究17-18
• 1.3 研究思路与研究内容18-21
• 1.3.1 研究思路18-19
• 1.3.2 研究内容19-21
• 第2章 股票市场联动性理论分析与相关方法论21-38
• 2.1 股票市场联动性及其理论基础21-24
• 2.1.1 股票市场联动性的内涵21
• 2.1.2 股票市场联动性研究的理论基础21-24
• 2.2 相关系数估计方法的分析及比较24-28
• 2.2.1 Pearson相关分析24-25
• 2.2.2 多重分形去趋势交叉相关分析25-27
• 2.2.3 动态相关系数分析27-28
• 2.3 随机矩阵理论及去噪方法分析28-33
• 2.3.1 随机矩阵理论的来源与内涵28-29
• 2.3.2 随机矩阵理论的特点29-30
• 2.3.3 随机矩阵理论去噪方法30-33
• 2.4 复杂网络理论及拓扑性质分析33-38
• 2.4.1 复杂网络理论的来源与内涵33-34
• 2.4.2 复杂网络理论网络的构建方法34-35
• 2.4.3 复杂网络的拓扑性质分析35-36
• 2.4.4 社团结构与影响强度36-38
• 第3章 基于RMT和PMFG的股市网络构建38-51
• 3.1 样本选取与描述性统计38-42
• 3.1.1 选取样本38-40
• 3.1.2 数据处理及描述性统计40-42
• 3.2 股票市场指数相关系数矩阵及其特点42-45
• 3.2.1 股票市场指数相关系数模型构建42-43
• 3.2.2 股票市场指数相关系数矩阵特点分析43-45
• 3.3 基于RMT的股票市场指数相关系数矩阵的优化45-49
• 3.3.1 优化模型的构建45-48
• 3.3.2 优化效果分析48-49
• 3.4 基于PMFG的股市网络构建49-51
• 第4章 基于网络模型的股市间联动性实证研究51-62
• 4.1 基于PMFG的股市网络拓扑性质分析51-55
• 4.1.1 股市网络的平均路径与聚类系数51-52
• 4.1.2 股市网络的节点度分布52-54
• 4.1.3 股市网络的同配性54-55
• 4.2 基于社团结构的股市网络联动性分析55-59
• 4.2.1 股市网络的社团结构55-58
• 4.2.2 各社团间的联动性58
• 4.2.3 社团内股市间的联动性58-59
• 4.3 基于影响强度的股市网络联动性分析59-62
• 4.3.1 各个股票市场的影响强度59-60
• 4.3.2 基于地域性的股票市场影响强度60-62
• 结论62-64
• 参考文献64-71
• 致谢71-72
• 附录A 攻读学位期间公开发表的论文72-73
• 附录B 攻读学位期间参与的科研项目73

【参考文献】

中国期刊全文数据库 前10条

1 马军;董琼;杨德礼;;基于风险管理的动态供应链超网络均衡模型[J];运筹与管理;2015年01期

2 左正强;;股票市场与债券市场之间风险外溢效应研究[J];统计与决策;2014年10期

3 韩华;吴翎燕;宋宁宁;;基于随机矩阵的金融网络模型[J];物理学报;2014年13期

4 安静;安海忠;杨广林;;基于复杂网络的矿业上市公司股权融资的金融机构关系分析[J];资源与产业;2014年02期

5 曾志坚;张倩倩;;基于MF-DCCA方法的证券市场间交叉相关性研究[J];财经理论与实践;2013年06期

6 赵胜民;谢晓闻;方意;;中国在全球股市风险传染网络中的角色研究——基于次贷危机和欧债危机时期的样本分析[J];财经论丛;2013年05期

7 黎娜;;金融市场的波动溢出效应模型及实证[J];统计与决策;2011年13期

8 韩终雪;韩松岩;;中国股市中板块间动态关联效应及组合在险价值的测度——以地产板块为例[J];中国证券期货;2011年05期

9 王永巧;刘诗文;;基于时变Copula的金融开放与风险传染[J];系统工程理论与实践;2011年04期

10 张兵;范致镇;李心丹;;中美股票市场的联动性研究[J];经济研究;2010年11期

，

本文编号：983711