基于高维状态空间方法构建金融市场网络模型

发布时间：2021-03-20 09:45

　　针对金融市场的核心变量——收益率和波动率,基于高维状态空间模型,利用EM和稀疏算法,分别建立了金融产品之间的收益率网络和波动率网络。前者刻画了金融产品收益之间的相互关系,后者刻画了金融产品风险之间的关系。相对于已有模型,上述模型可有效处理高维时间序列数据。对深圳、上海、香港和纽约市场的股票交易数据分析,找出了相应网络结构特征。以上市场的数据分析结果表明,相对于波动率网络,收益率网络具有更高的度数中心势,把这种现象归因于政策等因素对收益率的影响更为直接和简单,而对波动率的影响则是间接和复杂的。上述研究结果也为构建多变量波动率模型提供参考。 

【文章来源】：计算机工程与应用. 2019,55(10)北大核心CSCD

【文章页数】：8 页

【部分图文】：

深现股票市场收益率网络

深溯股票市场波动率网络

纽约股票市场收益率网络

【参考文献】：
期刊论文
[1]上海证券市场A股股票网络复杂特性分析[J]. 宋宜飞,邵峰晶,孙仁诚.  青岛大学学报(自然科学版). 2015(01)
[2]随机波动率模型的参数估计及对中国股市的实证[J]. 吴鑫育,马超群,汪寿阳.  系统工程理论与实践. 2014(01)
[3]一种基于阈值构建金融网络的新方法[J]. 宋宁宁,韩华,吴翎燕.  计算机工程与应用. 2015(06)

博士论文
[1]基于有限混合状态空间的金融随机波动模型及应用研究[D]. 郑挺国.吉林大学 2009

硕士论文
[1]上证股票市场的关联网络特性研究[D]. 涂洋.安徽财经大学 2016



本文编号：3090797