基于复杂网络的股票聚类研究

论文摘要

股票市场是一个很庞大的复杂系统,国内股票市场是比较复杂的,交易量和价格不稳定。近些年,股票市场交叉持股、相互投资合作的现象越来越多,这也加大了分析股票的难度。将股票进行聚类,从中发现股票之间的关系,有利于投资者们制定更加科学可靠的投资决策。谱聚类算法是建立在复杂网络理论之上的,其核心是将聚类问题转化为图的最优化问题。与传统的聚类方法相比,谱聚类能用于任意形状的数据且收敛于全局最优点。但该算法的一个缺点是对尺度参数比较敏感,尺度参数的不同,结果就会有很大区别。本文将集成学习和谱聚类结合起来,这样既能克服谱聚类尺度参数的选择问题,又能构造多样的基学习器,使得聚类结果更加稳定可靠。本文应用复杂网络分析上证50股票价格的波动特征,剔除市场因素,通过网络自回归模型构造相似性矩阵,建立复杂网络图。以谱聚类算法为基学习器,巧妙的用投票法进行集成。从聚类结果中,发现了一些传统聚类算法不能发现的内在关系。

论文目录

• 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
•   1.3 研究内容与方法
•   1.4 论文创新点
• 2 股票波动网络
•   2.1 股票波动网络相关知识
•     2.1.1 复杂网络简介
•     2.1.2 网络的表示方法
•     2.1.3 基本网络统计量
•   2.2 股票波动网络模型分析
•     2.2.1 股票波动网络
•     2.2.2 波动网络时间序列模型
• 3 谱聚类
•   3.1 图和矩阵
•   3.2 基于图的割的聚类
•   3.3 马尔科夫聚类
• 4 无监督的集成学习
•   4.1 聚类集成学习
•     4.1.1 个体与集成
•     4.1.2 弱学习器
•     4.1.3 集成策略
•   4.2 谱聚类集成学习的优缺点
• 5 基于上证50指数的实证分析
•   5.1 数据的选择
•   5.2 剔除市场效应
•   5.3 股票波动网络模型分析
•   5.4 股票谱聚类的聚类集成
•   5.5 聚类结果的对比分析
• 6 总结与展望
•   6.1 总结
•   6.2 展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 方强

导师: 张术林

关键词: 股票聚类,股票波动,谱聚类,集成学习

来源: 西南财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,金融,证券,投资

单位: 西南财经大学

分类号: F832.51;O157.5

DOI: 10.27412/d.cnki.gxncu.2019.001952

总页数: 54

文件大小: 1199K

下载量: 30