PDF
研究文章|开放获取
党委湾镇张气张(孟, ”股市时间复杂网络建设、鲁棒性分析,和系统的风险识别:沪深300指数”,复杂性, 卷。2020年, 文章的ID7195494, 19 页面, 2020年。 https://doi.org/10.1155/2020/7195494
股市时间复杂网络建设、鲁棒性分析,和系统的风险识别:沪深300指数
党委广域网
,1
张甄,2
太极张,3
和
(孟4
1管理学院、中国海洋大学、青岛266100年,中国
2部门统计,香港中文大学,香港,中国
3250100年山东大学数学学院,济南,中国
4250100年山东大学管理学院,济南,中国
文摘
中国股市300指数(CSI 300)是广泛接受作为一个整体反映了中国a股市场的一般运动和趋势。在股票市场中使用的方法的研究中,复杂网络图论的扩展提供了一个工具来分析内部结构和动态退化。所以,沪深300股票数据的选择和时间分为两个系列,准备通过网络理论分析。后固定测试和日常振幅系数计算的股票,分别建立了两个“全年“复杂网络。此外,网络索引,包括学位中心,在学位中心,和中间性中心,分析了考虑股票间的负相关性。第一个20只股票在市场上的网络,称为“主要球员,”“看门人”,和“脆弱的球员,”进行了探讨。在此基础上,时间网络构造和算法测试设计的鲁棒性。此外,鲁棒性的量化指标和评价标准介绍了网络的健壮性和股市的系统风险进行了分析。本文丰富了时序网络的鲁棒性和理论提供了一个有效工具,防止股市系统风险。
1。介绍
快速增长和发展后,中国经济已成为世界上第二大经济体。然而,在中国不发达金融市场的功能仍有改进的余地相对于其他国家的金融市场(1]。股票市场提供最活跃的窗口金融系统的资本,因为比高斯波动频繁的事件,它反映了损失的特点,即引发系统性金融风险(2- - - - - -4]。
有些学者研究股指期货对于三个方面,以评估市场风险(5]。首先,由于高流动性、高杠杆,和双向操作的期货市场,股指期货被认为提高现货市场的波动率(6]。第二,股指期货可以帮助提高市场的深度和效率,从而降低其波动性(7,8]。最后,股票市场的稳定性不是很可能影响交易(9,10]。通过引入沪深300指数期货市场4月16日,2010年,中国试图增强其金融体系。在沪深300指数期货市场,投资者可以在期货空头头寸对冲中国股市的风险。人们普遍认为,期货市场可以预示着中国金融市场的新时代。通过沪深300股票指数的性能和价格波动在中国a股指数可以反映。该指数旨在成为一个性能指标和衍生品创新的基础。目前,沪深300指数已广泛应用,以反映中国a股市场的趋势和运动(11]。越来越受到关注的影响沪深300指数期货标的股票市场。例如,曹et al。5沪深300市场之间的相关性进行了调查和300年中国证券指数(CSI 300)期货高频交易数据显示,使用MF-DCCA。缩等。12)使用脉冲周期分析方法探索风险估计,记忆效应,在中国沪深300的扩展行为。瞿et al。13)进行了综合分析的一些流行的时间序列模型预测RMVHR沪深300指数期货。此外,样本外动态对冲性能评估与传统的套期保值模型通过比较这通过每日价格和向量异构自回归模型盘中价格。
到目前为止,股指已被广泛研究通过理论的复杂网络。存在互动的个人技术、物理、生物、和社交网络(14- - - - - -16]。因此,图论的扩展,复杂网络,小幅工具被用来分析这些网络的动态退化和内部结构(17- - - - - -19]。
多层网络理论是一种基于单一网络开发工具的研究,提供了一个新的视角来把握信息在一个丰富多彩的结构。多层网络理论的一个关键方面是底层网络结构可以显著影响动态过程由边缘(20.]。此外,作者采用隐式空模型以适应分层网络,其主要思想是代表每层通过一片21- - - - - -23]。时间网络是一种特殊的多路网络构造在时间轴的基础上,重视的风险传播的过程。在网络、电子或生物病毒和信息或谣言通过电子传输连接,社会关系和身体接触的边缘。传播的速度和程度是影响网络结构由于特性,比如程度相关性(24],度分布[25,26),短路径长度(27),和社区。
在此基础上,本文目的两个研究问题:(i)复杂网络指标描述什么特殊股票市场吗?(2)如何量化风险或说鲁棒性在股票市场?
本文现有研究的贡献可以分为以下几个方面:首先,研究建立了直接使用沪深300指数股票加权网络,考虑股票之间的负相关;一个多层时间序列网络构建。其次,分析了股票市场系统性风险根据时序网络测量和设计一个算法的鲁棒性。此外,提供了一个定量指标。最后,本文提供了一个有效的工具,在股票市场风险系统的方法。
本文的其余部分的结构如下:在部分2、文学与股票市场风险和时序网络的应用进行了综述;部分3详细介绍了数据处理和相应的时序测试;节4,建立复杂网络模型及其统计特征进行了分析;部分5探讨了股票市场的理性标准复杂网络鲁棒性的时间;最后,部分6本文总结道。图1概述本研究的研究。
2。文献综述
2.1。股票市场风险
股票市场风险一般的角度讨论了单个股票的相关性,或整个行业和股票价格的波动变化28,29日),或在金融限制的背景下30.,31日]。也有一些研究,探索技术风险、政策风险、股票风险背后的社会因素和经济政策。Apergis [32]研究政策和技术风险对我们的影响股票收益,强调经济政策不确定性对股票收益的影响,后升至纪录高位2007 - 2009年的经济衰退。蔡(33)揭示了经济政策的不确定性的影响在中国,日本,欧洲,和美国在全球股市危机蔓延的风险投资。曹et al。34)使用一个示例从2001年到2012年在中国上市的a股之间的关系来研究社会信任和股价崩溃的风险,发现社会信任作为一种社会和经济因素与后者的风险。在社会因素方面,李et al。35]指出股价崩盘风险之间的相关性和社会信任,基于中国上市公司的数据从2001年到2015年。
近年来,痛苦异常在新兴市场风险已在很多研究中调查。例如,高et al。36)调查的意义账面值对市值、大小和动力因素捕捉金融危机在中国股票市场的风险。赖et al。37]解释股票收益的股票市场澳大利亚、泰国、新加坡、马来西亚、韩国、印尼和香港,发现四因子金融危机风险资产定价模型在这些市场上获得了广泛的经验支持。Eisdorfer et al。38]研究了几个潜在的司机陷入困境的公司的股票收益在34个国家和记录的独家异常发达国家的风险。窘迫异常更为严重的国家高信息透明度,降低套利壁垒,加强并购立法。这些发现表明,股东风险的各个方面的重视塑造陷入困境的公司的股票收益。高et al。39]研究了异常痛苦的风险在38个国家在过去的20年里,发现这个异常是高度集中在低市场股票在北美和欧洲等发达国家,而不是17个新兴市场。现有的研究预测股票回报或国家属性来解释异常痛苦的风险,其中没有一个研究的因素,捕捉股票金融危机的风险。
上述研究主要是使用传统测量方法进行的,比如VAR模型和GARCH模型,产生不同的结果,没有分。
2.2。时间网络
人工智能生成数据的一种新形式的复杂性,带来新的大数据时代(40),这是一个巨大的挑战为研究人员从不同的屏蔽机构参与从数据中提取新的结构或模式和大量高品种和高速度。在过去的十年里,出现了越来越多的研究描述动态系统通过基于时间序列的复杂网络41]。
近年来,大多数研究预计时间维度通过聚合之间的连接顶点和边,即使联系人或交互的时间序列的信息是可用的42]。时间网络,这种方法是将数据分成相邻边缘接触收集到的时间窗口。例如,卡里,河中沙洲43解释社会影响的后果,如意见和时尚的传播,在颞网络通过建立阈值模型。通过研究超市的扩散,邓et al。44)发现,系统的发展在一定的顺序并不是完全随机的。此外,节点按照一定的规则进行分类。弗洛雷斯和浪漫45)认可的节点连接到一个给定的复杂网络在复杂网络分析主题。因此,一个特征向量的浓度模型时间网络的发展提出了一种连续时间的规模和类型的节点,根据节点的相关性的过程中出现的网络。例如,埃弗雷特et al。46)使用双模时态数据测量经验和知识在社会时间网络举行。李等人。47)使用决策树找到的节点级特性产生普遍影响节点通过网络过渡时间。
近年来,颞网络方法被用来研究股票市场的股票的风险。黄等。48)提出一个algorithm-namely,向后时间扩散-计算最短时间距离传播源。赵et al。49)为特征的事correlation-based网络股票市场通过时序网络框架,为了突出底层市场投资组合选择的不稳定发展的金融网络的拓扑结构。瞿et al。13)研究的动态对冲性能沪深300指数期货的高频数据设计最小方差对冲比率(RMVHR)方法。Lyocsa et al。50)研究样本的连通性横跨五大洲40股市使用每日收盘价和返回的溢出效应基于格兰杰因果网络模型基础上的。赵et al。51)利用颞网络框架描述的事correlation-based网络股票市场。
所有这些研究关注的关键价值波动,忽略机理的详细结构网络的影响传播的风险。这是本文的出发点。
3所示。时态数据处理和复杂网络建模
股票数据时序特性,主要体现在价格,最低价格,收盘价和营业额。年度横截面数据也有时序特性。因此,复杂网络成立于接下来的部分是一个时序复杂。在沪深300指数股票是那些在中国的股票市场表现良好。他们因此不仅股市的晴雨表,而且经济地位的象征。因此,研究沪深300指数的股票可能被视为重要。
先前的研究通常基于无向网络积极的重量在一段时间内波动的股票数据。然而,影响股票之间的因果关系,在某种程度上。本文指导网络构造描述股票之间的协作关系,和多层时间网络构造了基于多个时间序列来描述网络的影响力的股票从长期的角度来看。
3.1。数据处理
摘要数据在488个交易日沪深300指数从10月15日,2016年10月15日,2018年,从“选择金融终端,输出包括开盘价,最高价格,最低价格,收盘价,营业额,体积的每个股票在每个交易日的交易。
两种类型的数据异常被发现在数据检查:缺失数据和零事务量(或营业额)。丢失的数据因为股票没有发布当天或可能已经发行但未列出。例如,商人公路被列在2017年12月25日(52),和数据之前失踪。同样,2017年12月15日,华能水电上市(53),和数据之前失踪。彩彤安全被列在2017年10月24日(54),和数据之前失踪。零事务量(或营业额)是由暂停股票为主要资产重组、非公开发行股票的计划,重大决策规划和重大合作项目。例如,美的集团计划与小天鹅子公司的资产重组,并暂停从9月10日,201855]。完美的世界正在计划发行非公开股票,这适用于深圳证券交易所,所以暂停了截至2018年6月4日(56]。东华软件和腾讯云计算过程中讨论关键问题和计划开展广泛的合作领域的医学、智能城市,金融,电力,根据最新的交流,进一步推动双方战略合作的更新。此外,讨论的主要股东东华软件资本与Tencent-related公司合作,但这资本合作不涉及更改公司控制57]。2018年5月14日以来东华软件被停职,在应用到深圳证券交易所(58]。因此,这种类型的数据产生了一定的干扰和从数据集中删除。最后,共有169股保留目前的研究。
沪深300指数股票可以讨论来自多个方面,如每日收盘价,每日价格变化比率,历史波动,每周每日的振幅,振幅的股票。其中,股票幅度反映了股票的活动,不仅表示工业发展的股票市场,但也表明投资方向和投资者的态度。振幅分析股票包括《每日、每周、每月振幅分析。在这篇文章中,股票的每日振幅(DA)应用(59]。低达代表可怜的股票在给定的一天活动,对比场景表明股票是活跃的。
如果股票的股价吗天 ,因此,”表示最高的股票价格“天 ,和是股票的底价吗天 。如果是股票的收盘价格吗在前一天,其幅值的计算公式( )如下:
每个股票的每日振幅数据可以从方程(1)。某些股票的DA数据2016 - 2017和2017 - 2018年在图所示2。
(一)
(b)
(c)
(d)
(e)
(f)
简而言之,数据可能被视为固定的序列图。数据也使用ADF的角量进行了测试。
3.2。ADF检验和协整检验
不稳定的时间序列,传统的分析方法无法保证数据的有效性。相反,单位根测试可以为时间序列不稳定创造条件。单位根检验的方法有很多,其中应用ADF在当前的研究中。如果数据被认为是稳定的,他们需要满足以下条件:(1)的意思是, ,是一个与时间无关的常数(2)方差, ,是一个与时间无关的常数(3)协方差, ,是一个常数只与时间间隔有关,但它是与时间无关的吗
运用ADF检验来验证是否满足上述条件。验证结果如表所示1,并使用Matlab 2017 b。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
其他股票的达也经历了ADF检验。换句话说,这些研究期间的169只股票的数据被发现是稳定的序列。
在此基础上,所有的股票可能被视为稳定序列,从而满足的顺序相同条件协整检验。因此,两个股市之间的相关系数是通过协整检验。
协整理论在经济学界起着至关重要的作用。这是一个计量经济学分析方法由约翰森和主要用于研究经济变量之间的长期均衡关系基于时间序列不稳定(59]。协整系数的绝对值越高,两只股票之间的相关性越强;否则,相关性较弱。列出选择协整系数基于两个股票在接下来的部分(如表所示2和3)。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
程序结果表明,不同的双股之间的协整系数都通过了考试。以下部分详述了复杂网络的建设基于协整系数。
4所示。复杂网络建模和统计分析
在这篇文章中,股票被表示为节点和协整系数作为边的权值。在学位学位中心,中心,中间性中心选择了网络特征的相关分析。
4.1。股票市场复杂网络建模
上述选择的169只股票被视为复杂网络中的节点,和股市之间的协整关系作为边缘。股票之间的协整关系和确定节3所示。2。协整系数使用股票作为一个因变量和股票获得了作为一个独立变量,对应于一个导演一边从节点到节点 ,的重量 。通过这种方式,一个加权有向图 策划,代表股票的集合,边的集合权重的设置对应边缘。这是由以下方法。自协整系数和可能不是相同的情况下,保留边缘的规则,所有定向边的保留如果 ;否则,所有的边缘被保留。的频率分布直方图筛选后如图所示3。
(一)
(b)
从图可以看出3协整系数的绝对值在2016 - 2017年主要是集中在一个相对较小的地区,通常呈现power-low分布。协整系数的绝对值在大约2017 - 2018提供了一个钟表分布模式。没有大频率较低的地区和高绝对协整系数值。的数量和比例间隔对应于两个分布表如表所示4。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
由于积极的相关性之间的关系对股票和协整系数,确定重量如下: 在哪里是筛选阈值。在表4,有显著不同数量的协整系数在不同的时间间隔。在这里,两个网络的70%分位数被选为筛选基地,根据直方图结果,只有30%的边缘以极大的权重是保留。最后,阈值协整系数的绝对值在2016 - 2017年期间 ,的阈值协整系数的绝对值在2017 - 2018年期间 。股票具有较强的相关性选择了这个方法建立复杂网络,从而使更准确和明确的结果。这两个复杂网络构建数据所示4和5,分别。
点的大小(或名称)数据4和5反映了学位的点,也就是说,在其他股票股票的影响强度。不同的颜色代表不同的社区。两个网络分为三个各自的社区:银行安全社区,社区工业基础设施等等。一方面,这种稳定的社区部门反映了经济关系的平衡状态,也间接证明了某些股票之间的协调关系,在某种程度上。另一方面,边缘的密度相似的三个社区复杂的CSI 300网络期间2016 - 2017。然而,最边缘的复杂CSI 300网络在2017 - 2018年主要集中在银行的安全性和工业基础设施的社区,表明当地其他产业之间的不和谐的相关性在2017 - 2018。整个网络的情况通过网络索引在以下部分说明。
4.2。从学位中心
从学位中心被用来描述从点两侧的数量吗网络中的其他节点。在这篇文章中,反映了股票的影响强度其他股票,这被称为“大玩家”在股票市场,可以计算如下: 在哪里 如果 或以其他方式 。这个索引描述网络中每个节点的影响。出度中心的分布反映了网络的总体特征。图的出度分布中心2016 - 2017和2017 - 2018年获得使用Matlab 2017 b,如图6。
(一)
(b)
从图可以看出6,高密度发生在一个小区域(从0到20度中心)两个分配图,表明重要的股票网络中占据着重要的地位。为了我的这些特殊节点,前20名的股票具有高学位是列在表中5。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
从表可以看出5,大部分的前20名股市位于学位中心在研究期间金融证券,表明金融安全股票显著影响其他股票和股票市场的波动。节点的波动具有高学位中心很快就被传播到大多数网络中节点。因此,这可以影响其他股票指数衡量的指标,即股票具有高学位中心是潜在的大规模网络风险的来源。
4.3。在学位中心
在学位中心( )用于描述从节点两侧的数量吗网络中的其他节点。在这里,反映了股票的其他股票的影响 ,被称为“脆弱的球员,”和可以计算如下: 在哪里在方程(4)是一样的,描述了股市的脆弱性。高学位中心反映了一个更强的股票大多数股票的脆弱性。在学位中心的分布反映了网络的总体特征。图的分布程度中心2016 - 2017和2017 - 2018年获得使用Matlab 2017 b(图7)。
(一)
(b)
图7表明高密度程度发生在一个小区域(从0到40度中心)两个分配图,表明重要的股票网络中占据着重要的地位。这类似于图的出度分布中心。指定这些节点,前20名的股票拥有高学位列在表中6。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表5和6显示,排名前20位的股票在这两个学位,学位中心排名在2016 - 2017和2017 - 2018年金融安全的股票。这反映了金融安全的概念股票影响其他股票和,反过来,由其他股票。然而,一些股票是完全被动的。例如,熔盛发展的中心和中信国安的出度是0期间2017 - 2018。这些股票在股票网络及其波动的边缘系统的网络风险的发生可能不会影响其他股票。因此,这些股票可以明显控制的其他股票,终端的网络风险。相应的公司因此关注风险分散在网络风险所带来的损失减少日常管理。
4.4。中间性中心
中间性中心可以显示多少跨过某个节点的最短路径。当前的论文表明,不同股票作为“版主”或“把关人”的信息(相应地,可能不愿意开发一个请求的特性)。
如果从节点是最短路径的数量吗到节点 , 通过节点的路径数量吗在 。的中间性中心节点可以表示如下:
一个更高的(方程(5)反映了一个更强的遮蔽作用的节点在网络。在这篇文章中,体重代表之间的亲密点。节点之间的亲密关系就越高和 ,它们之间的低重量计算介数中心。因此,下面的转换很必要: 在哪里是网络中边的最大重量,边的最低重量,反映出转换后的重量。的价值负相关,两只股票之间的相关性。这样一个转换保证重量的间隔和保护计算中间状态的意义。此外,本文所涉及的数据包含负权值。的最短路径描述一只股票变动的最短路径旅行到另一个股票。在网络的发生风险,政府或其他组织应及时保护这些股票,这就可以防止全球网络进化的网络风险的损失。它显示了不同的股票作为版主或守门的信息。相关的前20名股票最高的中间性中心列在表中7。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
前20名股票的中间性中心表所示7,包括剑法,海外中国小镇,和中国卫星,在整个研究期间保持基本稳定。因此,他们扮演了更重要的看门人的角色在金融网络。
根据学位中心的结果,在学位中心,中间性中心,可以得出一些结论:(一)崩溃,发生的节点有一个很大的in-edges学位中心和学位中心失败,产生多米诺效应的边。基于算法的原理,本文发现节点的边的权重,在学位学位中心和中心主要是积极的,这意味着网络在短时间内倒塌。这些发现证明金融类股股票网络的骨干力量,他们比其他股票更重要保持经济的稳定市场。任何威胁到这些关键金融股可能蔓延了整个网络。(b)中间性中心结果成为类似算法原理,多米诺骨牌效应的崩溃的前20名的股票。例如,国投电力控股的交集,东钱,山西证券反映他们在股票网络作为桥梁。这些股票有影响力的邻近节点连接。因此,减少这些股票的损失时间的网络崩溃可以有效防止后续损失。这可能因此被称为股票的“国防”网络。
结果,建议证券监管部门、企业、和股东关注的治理主要球员,”“看门人”,和“脆弱的球员”股票网络和防止股市系统风险被这些股票发生。
5。时间网络和鲁棒性分析
5.1。时间网络建模
学位的学位中心,中心,中间性中心2016 - 2017和2017 - 2018年期间的股票进行分析,发现某些差异的股票排名。Boccaletti et al。60]介绍了一个基本的多层网络模型和集成的多路网络的结构特点。因此,两个网络有效重叠的系统分析股票的重要性。颞网络然后从多元的角度分析。
首先,设计一个多路复用网络如下:上层为2016 - 2017年期间股票网络和较低的层在2017 - 2018年期间股票网络。同样的主题由线连接相邻层之间。多路复用网络构造如图8。
5.2。时序网络的鲁棒性分析
本节分析了潜在的“雪崩效应”在颞网络根据网络的健壮性,也与整个网络的鲁棒性研究。时序网络的鲁棒性分析是基于一系列的多米诺骨牌效应带来的减少节点。如果把网络股票,股票的总体损失造成的网络消失,一些严重影响股票网络不是非常大。这反映出股票网络是健壮的和有很强的抵抗干扰,如果节点消去后网损的比例低于50%,此类节点占节点总数的50%或更高。否则,这只股票网络是脆弱的。然而,一个节点的波动不能传染给其他节点在极端条件下,因为所有的节点都是孤立的。因此,鲁棒性系数( )网络的定义如下: 在哪里表示孤立节点的数量,节点的比例小于50%的破坏性的影响,和相应的表示孤立节点的密度(61年]。1存在调整的目的,防止分母为0。这个定义集成网络连接到鲁棒性系数。控制网损的概率低于50%在一个随机攻击 。
与传统的单层网络不同,多层网络模型应用于部分4认为股价关系研究期间从时间序列的角度来看。
以下domino传播算法设计了基于普通扩散模型:步骤1:初始化传播时间向量, ,和传播比例向量, 。步骤2:选择起始节点,(循环从1到n)。传播集, ,设定的终止 ,和健康组, ,建立了。传播时间和比例也决定在蔓延 和 ,分别。步骤3:搜索所有节点的起点年代与节点相连的吗每一层的网络和邻近集,( ),与积极的连接边的权重。 。步骤4:如果 和 ,进入步骤6;否则,转到步骤5。步骤5:为 ,搜索的起点连接的节点在每一层的网络和邻近集,( ),与积极的连接边的权重。如果 ,然后 ;否则, 。中的所有元素一直流传,准备好了吗 和 。 并返回到步骤3。第六步:如果 和 ,让 ;否则,到第7步。第七步: 和 。如果 ,转到第2步。第八步:输出传播时间, ,和传播的比例, 。
在步骤3和5中,一个布尔检索应用于搜索每个节点的相邻节点集和并确定潜在的沟通目标。第六步检查是否传播节点的初始状态是孤立的或者没有积极的边的权重。在这种情况下,被动节点中孤立的初始状态,或与积极的重量没有边,不能影响其他节点。因此,时间最长的节点直接省略了从算法。模拟过程的风险传播基于股票时序网络图9介绍了在接下来的部分。
上述算法认为股票网络的两个特点:(1)一个股票的发展与其他股票的振幅密切相关;(2)网络崩溃产生多米诺骨牌效应,反映的传播时间和传播比例算法。
一个股票时序网络的例子中可以看到图9和传播的过程网络风险是如图10 ()- - - - - -10 (d)在节点1,起点。
(一)
(b)
(c)
(d)
传播集, ,在每个传播时间, ,终止设置 ,和健康组和传播的比例最终网络 )在节点1选为风险网络中传播来源如表所示8。
|
||||||||||||||||||||||||||||||||||||||||
如数据所示9和10,如果风险传播只是发生在图层1,这个过程将结束 , ,和 。然而,2层提供了更多的信息;也就是说,在某些情况下,节点3与节点4。如果出现这种情况,一层(图层1)不能抓住这个机会的风险的过程。同样,由于负重量之间的边缘节点1和2,也就是说,−1,没有信息图层1,传播过程就结束了 , ,和 。
简而言之,该算法考虑了最严重的网络崩溃。如果连接的两个节点在一个层是正面和侧面的起点是倒塌(感染),节点在另一端也会最终被感染。
Matlab仿真结果如图11。
图中的红线11反映了网络的崩溃时间引起的大多数节点相对较小,这表明这些节点可能位于网络的边缘或核心。这需要进一步确定比例,因为网络的核心节点崩溃将导致更广泛的同时崩溃。此外,一些节点的崩溃时间相对较高,大多数这些节点是孤立的或者无能为力。统计上20只股票的比例呈现在表崩溃9。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表9显示,排名前20的股市崩溃的比例波动,本质上,在同一时间。一方面,这解释了这些股票可以影响超过80%的网络的股票在短期内。另一方面,这些股票的重要性在网络在某种程度上有所不同。中国长江电力之间的差异的重要性在第一位置和山东焦Dong-Ee 20th位置达到高达20%。总之,股市中的节点是明显不同的,几乎和全球网络的稳定性是由几股。
从学位中心的比较,发现在学位中心,和中间性中心股票网络的大规模的倒闭主要是由于金融股票具有高学位中心和学位中心,比如中国民生银行股份有限公司,有限公司,上海浦东发展银行、兴业银行。股票有一个高学位中心更容易与其他股票建立正相关性。然而,这些股票的inside成为无效时崩溃,和主要的多米诺效应发生在修筑。根据算法原理、权重的修筑这些股票主要是积极的,这样他们可以在短时间内引起网络崩溃。因此,金融类股票可以被视为股票网络的核心,使它更重要的是维持经济的稳定市场。在最坏的情况,任何威胁这些重要的金融股可能蔓延了整个网络。
此外,介数中心和特征向量中心成为在前20只股票类似,在某种程度上。例如,国投电力控股的交集,东钱和山西证券股票网络反映了他们作为桥梁。这些股票有影响力的邻近节点连接。因此,减少这些股票的损失时间的网络崩溃可以有效防止后续损失。这可能因此被称为股票的“国防”网络。
最后,116个节点被认为导致崩溃的影响小于50%,考虑到一个两层的时间网络是构建在最近的研究中,和内层0孤立节点。因此, ,和网络的稳定指数 ,表明股票的高稳定性网络。
基于上述分析,这里开发的新算法可以说是优于传统的感染模型的复杂网络在实际网络。此外,负面的情况双方股票网络中节点之间的权重考虑。崩溃的多米诺效应在不同的股票模拟从多元化的角度来看,从而获得每个节点的网络崩溃所造成的损失。最后,股票网络的骨干力量和防御力进行了分析,基于前面的部分数据。
6。结论
本文选择股票数据来自沪深300指数被分成两个时间序列。
接下来,每日振幅的股票样本计算。每个股票的计算数据的平稳性是采用ADF法进行测试。最后,任何两股之间的协整系数通过运用协整检验。的阈值协整系数相结合获得的频率分布。同时,边缘高体重是为了建立一个加权有向图,考虑股票之间的负相关性。
分布在学位学位中心和中心反映网络的无标度特性。只有几只股票被发现网络中扮演重要角色,控制股票网络的稳定性。股票在股票前20节点网络,如“主要球员,”“看门人”,和“脆弱的球员,”探索了通过分析学位中心,学位中心,中间性中心的复杂网络。
在此基础上,颞复杂网络构建和一个算法来测试这些网络设计的鲁棒性。鲁棒性的量化指标和评价标准被提出和分析了股票市场的系统性风险。
总之,本文有以下亮点:(我)鲁棒性测试网络稳定性是设计算法(2)介绍了鲁棒性的量化指标和评价标准(3)的方法可以应用在其他情况下像社交网络,指定人或全球供应链网络之间的力量
除了这个研究,给出一些指导其他情况的人员:(我)今年时间片是单位。这是选为股票市场的“全年”功能。在其他情况下,可以选择的特性等其他“month-round”和“season-round”。(2)一般来说,应首先静止的时间序列。ADF检验完成。如果条件不满足,数据应该差,然后左边的工作可以在流图执行1。此外,数据可以超过两层网络,分析了下游的单层的复制。
此外,美国股市或欧盟股票市场在未来能做证明的使用方法,如果真实系统风险分散的数据,该研究可以丰富。
因此,研究结论不仅丰富时序网络的鲁棒性理论,还提供了一个有效的工具,防止股市系统性风险。
数据可用性
所有的数据,在研究中使用的模型出现在提交文章,和原始数据用来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究得到了国家自然科学基金(71901199号,71974115,71874167,71804170),中国博士后科学基金会(没有。2019 m660170),中央大学(没有基础研究基金。201913015),山东省社会科学规划项目(没有。19 chyj10),山东省博士后创新项目(没有。201902019),山东省泰山学者项目的专项资金(没有。tsqn20171205),主要的国家社会科学基金项目(没有。18 zda055)。
引用
- l·魏w·张x Xiong, l .史”位置限制为沪深300股指期货市场,“经济系统,39卷,不。3、369 - 389年,2015页。视图:出版商的网站|谷歌学术搜索
- a .由j·克鲁普,舍恩胡贝尔和h . Joachim灾害的科学施普林格,柏林,德国,2002年。
- b .德里达、诉哈基姆和r . Zeitak”持续旋转的线性扩散近似排序和0平稳高斯过程的阶段,”物理评论快报,卷77,不。14日,第2874 - 2871页,1996年。视图:出版商的网站|谷歌学术搜索
- d·索尔内特股票市场崩盘的原因:在复杂的金融关键事件吗美国新泽西州普林斯顿大学,普林斯顿大学出版社,2003年。
- g .曹y汉、w·崔和y郭,“多重分形去趋势互关联沪深300指数期货与现货市场之间基于高频数据,”自然史答:统计力学及其应用卷,414年,第320 - 308页,2014年。视图:出版商的网站|谷歌学术搜索
- c . j .绿色和大肠Joujon“统一测试的因果关系和成本携带:法国股指期货合约的定价”国际金融与经济学杂志》上,5卷,不。2、121 - 140年,2000页。视图:出版商的网站|谷歌学术搜索
- h .胆固醇和a . Subrahmanyam”使用盘中的数据来测试底层股票指数期货市场的影响,“《期货市场,14卷,不。3、293 - 322年,1994页。视图:出版商的网站|谷歌学术搜索
- d·巴特沃斯,“期货交易基础股票指数波动的影响:富时250年中期合同的情况下,“应用经济学的信,7卷,不。7,439 - 442年,2000页。视图:出版商的网站|谷歌学术搜索
- a . c . n .菅直人“恒生指数的指数期货交易对波动性的影响成分股票:注意,”太平洋航运金融杂志,5卷,不。1,第114 - 105页,1997。视图:出版商的网站|谷歌学术搜索
- m·易卜拉欣“宏观经济变量与股票价格在马来西亚:一个实证分析,“亚洲经济杂志,13卷,不。2、219 - 231年,1999页。视图:出版商的网站|谷歌学术搜索
- j·杨,杨z, y周”盘中价格发现和波动传播指数和股指期货市场:来自中国的证据,”《期货市场,32卷,不。2、99 - 121年,2012页。视图:出版商的网站|谷歌学术搜索
- y y。缩,D.-H。王,S.-P。李,“风险评估的沪深300指数现货和期货在中国从一个新的角度,“经济模型49卷,第353 - 344页,2015年。视图:出版商的网站|谷歌学术搜索
- 张y . h .瞿t . Wang, p .太阳,“动态对冲使用最小方差对冲比率approach-examination意识到沪深300指数期货”太平洋航运金融杂志卷,57条ID 101048年,2019年。视图:出版商的网站|谷歌学术搜索
- t .图卢兹,a . Ping Shmulevich, s·考夫曼,“噪声在小基因电路进行分岔,”复杂性,11卷,不。1,45-51,2005页。视图:出版商的网站|谷歌学术搜索
- 美国定单、美国考夫曼和j . Socolar”建模途径分化的基因与布尔网络监管网络,”复杂性,11卷,不。1,52-60,2010页。视图:出版商的网站|谷歌学术搜索
- m . Gherardi和p . Rotondo测量逻辑复杂性可以指导模式经验系统的发现,“复杂性,21卷,不。2、397 - 408年,2016页。视图:出版商的网站|谷歌学术搜索
- s Boccaletti诉Latora y莫雷诺,m·查韦斯和d .黄”:复杂网络的结构和动力学,物理的报告,卷424,不。4 - 5,175 - 308年,2006页。视图:出版商的网站|谷歌学术搜索
- m·e·j·纽曼,“复杂网络的结构和功能,暹罗审查,45卷,不。2、167 - 256年,2003页。视图:出版商的网站|谷歌学术搜索
- m·e·j·纽曼,网络:介绍英国牛津,牛津大学出版社,2010年。
- s·h·李和p .河中沙洲,“时间网络导航”自然史答:统计力学及其应用卷,513年,第296 - 288页,2019年。视图:出版商的网站|谷歌学术搜索
- b . Guerra j . Poncela j . Gomez-Gardenes诉Latora y莫雷诺,”阿克塞尔罗德模型中的动态组织对共识在复杂网络,”物理评论E,卷81,不。5、文章ID 056105, 2010。视图:出版商的网站|谷歌学术搜索
- c·d·Brummitt K.-M。李,K.-I。吴作栋,”网络Multiplexity-facilitated瀑布”,物理评论E,卷85,不。4、文章ID 045102, 2012。视图:出版商的网站|谷歌学术搜索
- g . Bianconi”统计力学的多路网络:熵和重叠,“物理评论E,卷87,不。6、文章ID 062806, 2013。视图:出版商的网站|谷歌学术搜索
- 分钟,美国做咦,K.-M。李,K.-I。吴作栋,”网络鲁棒性的多路复用网络层间相关性程度,“物理评论E,卷89,不。4、文章ID 042811, 2014。视图:出版商的网站|谷歌学术搜索
- m . Boguna r . Pastor-Satorras, a . Vespignani“流行病蔓延在复杂网络度相关性,”复杂网络的统计力学施普林格,卷。625年,柏林,德国,2003年。视图:谷歌学术搜索
- r . Pastor-Satorras和a . Vespignani”在无标度网络流行蔓延,”物理评论快报,卷86,不。14日,第3203 - 3200页,2001年。视图:出版商的网站|谷歌学术搜索
- m·巴特尔米a . Barrat r . Pastor-Satorras, a . Vespignani”速度和层次的传播流行疫情在无标度网络,”物理评论快报,卷92,不。17日,ID 178701条,2004年。视图:出版商的网站|谷歌学术搜索
- d·j·瓦和s . h .““集体动力学的“小世界”网络”,自然,卷393,不。6684年,第442 - 440页,1998年。视图:出版商的网站|谷歌学术搜索
- n . Topaloglou h . Vladimirou, s . a . Zenios”综合动态模型国际投资组合对冲风险,”欧洲运筹学杂志》上,卷285,不。1,48 - 65年,2020页。视图:出版商的网站|谷歌学术搜索
- j.y.坎贝尔,j·赫尔胥,j . Szilagyi”预测财务困境和不良库存的性能,”CFA消化,9卷,不。2,14-34,2011页。视图:出版商的网站|谷歌学术搜索
- b . Duygan-Bump a Levkov, j . Montoriol-Garriga”融资约束和失业:从大衰退的证据,”《货币经济学卷,75年,第105 - 89页,2015年。视图:出版商的网站|谷歌学术搜索
- n . Apergis”政策风险、技术风险和股票回报:从美国股市新证据,”经济模型,51卷,第365 - 359页,2015年。视图:出版商的网站|谷歌学术搜索
- I.-C。蔡”,全球股票市场风险的来源:经济政策不确定性的观点,“经济模型,60卷,第131 - 122页,2017年。视图:出版商的网站|谷歌学术搜索
- 曹c、c·夏和k . c . Chan“社会信任和股价崩盘风险:来自中国的证据,”国际经济与金融审查,46卷,第165 - 148页,2016年。视图:出版商的网站|谷歌学术搜索
- x x, s . s .小王,小王,“信任和股价崩盘风险:来自中国的证据,”银行与金融杂志》上卷,76年,第91 - 74页,2017年。视图:出版商的网站|谷歌学术搜索
- l高,w .他问:王,“寻找困扰中国股市的风险,”全球金融杂志100447年,42卷,文章ID, 2019年出版社。视图:出版商的网站|谷歌学术搜索
- 赖,h·李,j .科诺菲尔f . Wu和b·李,“股票收益和财务困境风险:证据来自亚太市场,”研究在金融领域33卷,第158 - 123页,翡翠,彬格莱,英国,2017年。视图:谷歌学术搜索
- a . Eisdorfer a Goyal, a . Zhdanov”痛苦异常和股东风险:国际证据,”财务管理卷,47号3、553 - 581年,2018页。视图:出版商的网站|谷歌学术搜索
- 高p、c·a·帕森斯和j .沈,“全球金融危机与股票回报率之间的关系。”金融研究的回顾没有,卷。31日。1,第277 - 239页,2018。视图:出版商的网站|谷歌学术搜索
- e . Dumbill诉Mayer-Schoenberger, k . Cukier”革命,这将改变我们的生活方式,工作,和认为:大数据的作者的一次采访中,“大数据,1卷,不。2、73 - 77年,2013页。视图:出版商的网站|谷歌学术搜索
- y邹,r·v·唐纳n . Marwan j . f .董和j . Kurths“复杂网络的非线性时间序列分析方法”,物理的报告787卷,2019年,在出版社。视图:出版商的网站|谷歌学术搜索
- p .河中沙洲和j . Saramaki”时间的网络,”物理的报告,卷519,不。3、97 - 125年,2012页。视图:出版商的网站|谷歌学术搜索
- f·卡里和p .河中沙洲”,阈值模型实证时序网络的级联”自然史答:统计力学及其应用,卷392,不。16,3476 - 3483年,2013页。视图:出版商的网站|谷歌学术搜索
- 美国邓l .秋y杨,h·杨,“时间网络扩散的角度来看:一个案例研究在一个超市,“自然史答:统计力学及其应用卷,441年,第68 - 62页,2016年。视图:出版商的网站|谷歌学术搜索
- 弗洛雷斯和m .浪漫,”eigenvector-like时序网络中心:离散与连续时间尺度,“计算和应用数学杂志》上卷,330年,第1051 - 1041页,2018年。视图:出版商的网站|谷歌学术搜索
- c·m·g·埃弗雷特Broccatelli, s . p . Borgatti和j . Koskinen”测量知识和经验在两种模式下颞网络”社交网络,55卷,第73 - 63页,2018年。视图:出版商的网站|谷歌学术搜索
- w·t . Li王、吴x h . Wu p .焦和y Yu”探索过渡时间网络中的节点行为动态社区检测的基础上,“未来一代计算机系统卷,107年,第468 - 458页,2020年。视图:出版商的网站|谷歌学术搜索
- 问:黄、赵c x张,d .咦,“时间网络定位传播的源泉”,自然史答:统计力学及其应用卷,468年,第444 - 434页,2017年。视图:出版商的网站|谷歌学术搜索
- l .赵G.-J。王,m . Wang w·鲍w·李和h·e·斯坦利“股市暂时的网络,”自然史答:统计力学及其应用卷,506年,第1112 - 1104页,2018年。视图:出版商的网站|谷歌学术搜索
- Š。t . Vyrost Ly0] ed, e . Baumohl”返回全球溢出效应:网络的方法,”经济模型卷,77年,第146 - 133页,2019年。视图:出版商的网站|谷歌学术搜索
- m·l·赵g . j . Wang Wang et al .,“股市暂时的网络,”自然史答:统计力学及其应用卷,506年,第1112 - 1104页,2018年。视图:谷歌学术搜索
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/001965/AN201712211068771526 JUU2JThCJTlCJUU1JTk1JTg2JUU1JTg1JUFDJUU4JUI3JUFG.html。
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/600025/AN201712141066288738 JUU1JThEJThFJUU4JTgzJUJEJUU2JUIwJUI0JUU3JTk0JUI1.html。
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/601108/AN201710230972044100 JUU4JUI0JUEyJUU5JTgwJTlBJUU4JUFGJTgxJUU1JTg4JUI4.html。
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/000333/AN201809091191869546 JUU3JUJFJThFJUU3JTlBJTg0JUU5JTlCJTg2JUU1JTlCJUEy.html。
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/002624/AN201806041152075488 JUU1JUFFJThDJUU3JUJFJThFJUU0JUI4JTk2JUU3JTk1JThD.html。
- Eastmoney董事会宣布,2018年,http://data.eastmoney.com/notices/detail/002065/AN201805141142763845 JUU0JUI4JTlDJUU1JThEJThFJUU4JUJEJUFGJUU0JUJCJUI2.html。
- j·s·王,”研究沪深300指数从复杂网络的角度来看,“济南,中国,2016年,山东大学硕士学位论文。视图:谷歌学术搜索
- s . Johansen协整向量的统计分析,“经济动力学与控制杂志》上,12卷,不。2 - 3、231 - 254年,1988页。视图:出版商的网站|谷歌学术搜索
- s . Boccaletti g . Bianconi r . Criado et al .,“多层网络的结构和动力学,物理的报告,卷544,不。1、1 - 122、2014页。视图:出版商的网站|谷歌学术搜索
- 问:c .孟z张x l .广域网和x x荣,”属性探索和信息挖掘消费者社区网络:华为的花粉俱乐部,”复杂性卷,2018篇文章ID 9470580, 19页,2018。视图:出版商的网站|谷歌学术搜索
版权
版权©2020年党委广域网等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。
