导读:本文包含了股票市场结构论文开题报告文献综述及选题提纲参考文献,主要关键词:有效市场,结构突变,分形市场,长期记忆性
股票市场结构论文文献综述
李朵[1](2018)在《中国股票市场结构突变与长期记忆性研究》一文中研究指出中国股市是一个复杂的系统,对其行为特征的研究一直是热点问题和重点领域。早期的研究大多基于有效市场的线性范式,但却不断受到市场实际运行状况的质疑。随后分形市场理论应运而生,开创了金融市场研究的新局面。本文就是以分形市场理论为基础,并结合结构突变理论来探讨沪深股市过去收益率序列的突变点及长期记忆性,从而揭示中国股市的复杂性,为其健康发展提供新的思路和建议。本文主要的研究内容如下:1.通过蒙特卡罗实验阐明了结构突变的存在易造成记忆参数的高估,随后探测到沪深股市收益率序列各产生6个方差突变,并讨论了结构突变与重大经济事件的关联性。2.从序列的非正态性和自相关性出发,论证了弱式有效理论在中国股市的不适用性。在此基础上,引入单一分形和多重分形的测度方法估计出中国股市整体样本具有明显的长期记忆性,从而充分说明了中国股市是具有分形特征的市场;而在以结构突变点为依据划分的各子样本区间内记忆参数虽具有阶段性但均小于全样本区间,佐证了结构突变会对长期记忆参数造成误判这一命题。3.运用符号序列方法验证了沪深股市价格方向的可预测性,运用时变Hurst指数验证了沪深股市价格趋势的可预测性,并利用释放的信号判断市场走势,从而证明了股市非有效的最大现实价值是能够对未来股价进行部分预测。(本文来源于《暨南大学》期刊2018-06-20)
郭雪[2](2018)在《网络模型在股票市场结构特征研究中的应用》一文中研究指出伴随着大数据时代的到来和计算机技术的发展,对复杂网络理论的研究与应用有了新的进展。在现实生活中,许多复杂系统都可以应用复杂网络建模进行分析,比如社交网络、因特网和互联网等等。复杂网络不仅是一种数据的表现形式,也是一种科学研究的方法,通过挖掘这类网络的关键信息从而概括它们的共同特征并进行深入认识。在复杂网络研究中,研究者不仅可以从宏观角度研究系统整体的行为特征,还可以从微观层面上观察内部个体之间的相互作用。在证券市场的发展过程中,繁荣与危机相生相伴,市场的涨跌如影随形。股票价格的波动成了投资者和研究者的重要研究内容。股票价格的变化不仅与宏观经济发展、上市公司基本面有关,同时还会受到市场中其他上市公司的影响。如何理解股票之间关联程度不但有助于投资者构建投资组合,而且有利于管理层对市场的风险控制。中国股票市场中交易的股票有两千多只,它们之间的关系错综复杂。如何在大量的股票之间挖掘一般性特征则显得比较重要。根据已有的金融统计分析发现,传统金融市场的理性投资者、股票价格的随机游走模型以及有效市场假说理论和真实的金融体系中存在一定的偏差,我们需要运用新的方法来研究复杂的金融市场。复杂网络理论的发展,为复杂性研究提供了新方向。复杂性科学在系统的复杂性和演化机制上提供了新的思路。将复杂网络研究引入股票市场,有助于我们对股票市场特征的认识和理解。中国的股票市场发展至今,经历了初创(1990年-1991年)、试验(1992年-1997年)、规范(1998年-2001年)、转轨(2002年-2004年)及重塑(2005年至今)五个阶段。2005年的股权分置改革在中国证券发展史上具有重要意义。股权分置改革以后,资本市场上实现了融资和资源配置功能。中国的证券市场成为新兴市场之一,交易十分活跃。显着的交易量造就了中国证券市场的异常繁荣,2007年底上证指数从股票分置改革结束时的998点上涨至最高6124点。然后证券市场经历了剧烈的暴跌进入熊市状态。从2007年至2014年期间,受到美国次贷危机导致的全球金融危机和欧债危机的影响,证券市场一直处于激烈的震荡过程中。2014年起,中国证券市场新的一轮行情的兴起到暴跌引起了投资者和金融理论研究者的关注。本文以中国上海证券市场交易的个股为研究对象,以股票之间的相关性为依据构建股票网络模型,分析股票收益率之间的相关关联程度的形式及量化,挖掘股票之间相互影响的机制,从系统的角度研究股票网络的结构特征和规律性。本文收集了上证A股市场的828只股票近叁年(2014-2017)的每日收盘价数据,基于不同的网络生成机制,剖析了股票市场在较长的时期内一般性特征及市场在不同发展阶段的结构变化特点。首先,通过对股票每日收盘价走势图的比较分析,发现在股票价格之间的非线性关系明显,本文引入互信息作为变量之间的相关关系的度量并以此为构建股票网络的依据。在过去的叁年里,中国的股市经历了新的一轮大幅上涨和下跌,股票指数及个股的波动率经历了异常波动,呈现出非线性特征。传统的线性相关显然不能很好的解释非线性关系。在这里引入互信息量描述随机变量之间的关系,并与线性相关系数的结果进行比较。对比发现当股票收益率呈现出异常波动或者上市公司的配股行为导致股票价格的稀释,互信息可以很好的反映它们的变化。在得到股票两两之间收益率相关性矩阵的基础上,将相关性度量转化为网络中的距离度量,从而构建股票网络的最小生成树模型并对拓扑结构进行分析。根据样本数据的特点,通过普里姆算法对距离矩阵压缩,将网络中边的规模降至最小,以最少的边连接所有的股票节点且不构成回路。基于节点度值分布、介数、平均路径及中心性等统计指标分析股票网络拓扑结构,并设计网络关键节点的筛选标准,确定关键节点并测试它们在网络中的作用。并按照股指发展的趋势分阶段构建股票网络并比较不同阶段网络结构的特征。聚类性是真实网络的一个重要特征,由于最小生成树图不构成回路,因此无法分析网络的聚类性。阈值法是分析网络聚类性的重要生成机制,传统阈值法与资产图的生成原理相似,只青睐相关性最强的连接,导致网络中存在大量的孤立点。本文提出优化阈值法,对每一只股票的节点关系设置一个阈值,将股票节点相关性强的那一部分连接构建网络,分析股票网络的聚类性,同时对不同阶段的网络聚类特征进行比较。为了对聚类特征的进一步研究,我们考虑对小规模的聚类形式进行深入分析。在已有的聚类结果基础上对网络中的信息继续筛选,通过极大平面过滤图,该生成机制在确保网络的平面拓扑结构前提下,研究网络中小集团的形成机制和差异性。根据上述研究过程,我们得到了股票市场特征的相关结论。首先,各板块内部的平均相关性水平相似,但是板块间的相关性水平差异明显,金融板块与其他板块股票之间的相关性水平最低。其次,和大多数实际网络一样,从各种网络生成机制构建的股票网络均具有无标度性、小世界特征以及幂律分布。网络中仅有一小部分股票节点与其他股票节点直接相连,而大多数股票之间并不直接相连,但是网络的平均路径比较小,即网络中只有少数的关键节点。对比叁个不同阶段的最小生成树图,股指上涨阶段股票节点度值的差异性减小,股票之间的相互影响比较活跃;在股指下跌阶段,股票节点度值分布差异性加剧且平均路径变大,即股票更倾向于与关键节点相连并且股票之间对利空消息的传递会延迟,说明在下跌阶段市场对利空消息的消化与吸收持续时间比较长。而在恢复阶段,节点度值分布差异加剧但网络中的平均路径比较小,的网络结构兼具上涨和下跌时的结构特点,反映出市场对利好消息的期望同时又兼具下跌时期的惯性。并且在不同阶段,各板块对股票网络的影响力度是不一样的。第叁,由阈值法生成的网络中股票节点的聚类性显着。随着网络中边的规模不断增加,新加入的边更倾向于连接中心节点。在上升阶段,网络中的聚类系数明显上升。在下跌阶段,网络中的聚类系数不仅上升,而且同步性上升尤其突出。说明了股票网络中股票同跌的程度明显高于同涨的程度。经过叁阶段的对比分析,下跌阶段网络中的聚类程度和同步性是最高的,恢复阶段的聚类系数受到调整参数的变化比较明显。即说明了股市在下跌过程中具有较强的聚类特征和同步特征。通过这两指标的监测,可以预先对股市下跌风险进行防范。最后,在阈值法的基础上再次过滤掉网络中复杂拓扑结构的信息从而得到小规模聚类的3-派系和4-派系。网络中4-派系的数量规模小于3-派系;而且上涨阶段网络中的派系明显比下降阶段的多。其次,即便是同一板块股票构成的4-派系,派系的平均相关程度是存在差异的;下降阶段中由不同板块股票构成的派系比上涨阶段多。叁个阶段的股票网络结构对比可知,股票市场在上涨阶段和下降阶段的信息是不对称的,受到利好消息影响时,股票之间相互影响加强,不论是板块内部影响还是板块外部影响;而受到利差消息影响时,市场的恐慌无形中被严重放大,股票价格趋向于同时下跌。本文借鉴相关理论研究,以复杂网络模型对股票市场的整体行为特征进行实证分析。本文的研究贡献主要集中在以下几个方面:第一,在分析股票之间收益率相关性时,发现股票价格波动的非线性趋势明显,因此选择互信息量来描述这种非线性关系,这个方法比现在普遍使用的线性相关系数更具优势。第二,在分析股票网络聚类特征时,在传统单一阈值方法基础上,本文提出了一个新的阈值生成机制。针对不同板块股票的相关性水平差异,新方法针对每只股票设置一个阈值。并引入统计分布来优化阈值。该方法解决了传统方法中遗漏股票节点的问题,比传统阈值方法更具意义。第叁,但是为了保证平面性,极大平面过滤图方法保留了相关性比较低的节点关系。为了过滤网络中冗余的信息,本文在阈值法的基础上提出了一个新的极大平面过滤图方法。这个极大平面阈值法保证了网络节点之间的高度相关性,同时也具有网络的平面性。(本文来源于《中南财经政法大学》期刊2018-05-20)
赵川婷[3](2018)在《股票市场结构化风险模型中因子协方差估计研究》一文中研究指出随着中国资本市场的快速发展,金融投资者和研究人员关注的焦点从指数化投资转移到了量化投资。量化投资策略实际上是一种借助数量化工具的主动投资管理策略,预期收益率和风险则是主动投资管理的两个主角,应用量化技术进行主动投资管理即要在两者之间寻找一种均衡。然而,现代金融模型更多的是关于预期收益率而非风险,故从风险分析的角度建立量化模型将是一个重要的研究方向。本文以目前风险管理领域国际广为流行的Barra模型为理论基础,选择有解释能力与预测能力的风险因子与行业因子建立适用于A股市场的结构化风险模型,通过截面回归求得因子收益并分析其对投资组合收益的影响,在此基础上建立有效风险模型关键还需要找到一种因子协方差矩阵的最佳估计方法,传统的样本协方差估计方法缺少准确性与稳健性,常用的协方差估计模型主要可以分为结构化模型和高频时间序列模型两大类。本文出于实际应用性考虑,将样本协方差经过特征调整作为“真实”矩阵,通过多次模拟产生因子收益,计算由压缩估计、随机矩阵以及组合估计等多种结构化模型得到的因子协方差估计量,并建立衡量估计量与“真实”矩阵风险距离的评价指标,从而比较不同估计量的估计效果与预测效果。历史数据和模拟数据的实验表明,将不同估计量进行组合得到的复杂结构的估计量相比简单结构估计量估计效果更佳,它们更接近“真实”因子协方差矩阵,且更为稳健,同时组合估计量也表现出了相对较优的预测效果。(本文来源于《华中科技大学》期刊2018-05-01)
安宁[4](2017)在《优化股票和债券市场结构 更好服务实体经济》一文中研究指出“深化金融体制改革,增强金融服务实体经济能力,提高直接融资比重,促进多层次资本市场健康发展。”党的十九大报告为资本市场今后的发展重点指明了方向。19日,十九大代表、中国证监会主席刘士余表示,要把发展直接融资放在重要位置,形成融资功能完备、基础制度扎实、市(本文来源于《证券日报》期刊2017-10-21)
曾昭法,殷思宇[5](2016)在《基于贝叶斯统计的股票市场结构突变研究》一文中研究指出文章运用贝叶斯统计方法研究了我国股票市场结构突变点的问题,并在ARMA模型的基础上对突变点的位置进行推断。通过对2005年1月4日至2014年5月23日的上证综指日收益率序列的实证分析,找到了3个突变点发生的位置,结果表明它们分别对应我国股票市场重大的结构变化。(本文来源于《统计与决策》期刊2016年13期)
童元松,王光伟[6](2016)在《基金市场结构、利率与股票指数》一文中研究指出采集2004-2015年的季度数据,运用结构向量自回归模型(SVAR)研究基金市场结构、市场利率与股票指数的相互关系。结果发现,偏债型基金的市场份额少,相对稳定;偏股型基金与货币市场基金的占比起伏较大,此消彼长;市场利率是股票指数与偏股型基金的格兰杰原因,后两者互为格兰杰因果关系;偏股型基金占比、当期市场利率均对股票指数水平有十分显着的正向影响,当期股指也显着正向影响到偏股型基金占比;利率提高与偏股型基金占比提高,下一季度股市下跌。我国有必要引导偏股型基金进行价值投资和长线投资,基金公司要注重偏股型基金的差异化发展,强化主题化投资,借力于互联网技术扩大销售。(本文来源于《现代财经(天津财经大学学报)》期刊2016年03期)
殷思宇[7](2015)在《我国股票市场结构突变的贝叶斯研究》一文中研究指出金融时间序列波动性一直以来都是经济学界研究的热点问题。针对金融时间序列波动性的建模分析层出不穷,但是这些研究把更多的关注点放在了模型构建上,忽视了如果时间序列在受到重大经济事件冲击,会使其偏离原本的趋势,产生结构突变这一问题。针对金融时间序列是否存在结构变点的研究,对政府制定相应的经济政策以及应对突发经济状况对证券市场产生的影响具有重大的指导意义。本文在充分阐述了文章的选题背景及意义的背景下,首先对股票市场结构突变点的研究现状进行了系统的回顾,分情况探讨了结构突变点现有的检测方法,指出了CUSUM、ICSS等算法的不足。之后,提出本文的研究思路,并介绍了贝叶斯方法的优势。然后在Inclan (1993)等人的研究基础上,以ARMA模型为基础模型,以上证综指为研究对象,充分收集并整理先验信息,并采用Gibbs抽样方法,对我国股票市场结构突变点进行了贝叶斯分析,之后根据检测到的突变点,对数据进行了GARCH的分段建模分析。最终的研究结果表明,(1)在我国股票市场中确实存在重大的结构突变,并且成功的检测出了3个结构突变点的位置,它们分别对应着我国股票市场重大的结构变化,且在突变点发生的前后也都确实有重大的经济事件发生。(2)根据检测的结果,把上证综指收益率序列分为了四个子样本序列,针对全样本和子样本分别进行GARCH的分段建模分析进行对比分析,实证结果表明分段建模的效果优于对全样本建模的效果。(本文来源于《湖南大学》期刊2015-04-15)
徐浩[8](2013)在《从美国股票市场结构看中国股市》一文中研究指出本文主要从市场层次方面将我国股市与美国股市进行了纵向与横的对比。横向分析主要是各级市场的比对,包括规模、上市公司质量及市场定位方面;纵向分析主要是各级市场的配置、转市及退市机制。比较后认为,我国股市存在上市公司股权结构不合理、转板机制及退市机制尚未真正建立等诸多问题。(本文来源于《中国集体经济》期刊2013年20期)
朱宝琛[9](2013)在《郭树清:改进退市机制 让退市成为常态》一文中研究指出中国证监会主席郭树清16日表示,未来要继续推进资本市场的开放。下一步,证监会将改进退市机制,让退市成为市场的常态。此外,还将修改相关方面法律,鼓励培育长期投资者。与此同时,郭树清指出,目前IPO的机制已经得到改善,有关新股热潮的局面得到抑制,新股的发行价(本文来源于《证券日报》期刊2013-01-17)
王芳,张文爱[10](2012)在《我国股票市场结构突变与双长记忆的实证分析》一文中研究指出文章基于修正的ICSS算法,在消除结构突变影响的前提下,运用ARFIMA-FIGARCH模型,实证考察了我国沪深股市的收益率及其波动的双长记忆性。结论表明,我国股市存在显着的双长记忆性;而结构突变对于长记忆的影响表现为:消除结构突变的影响后,波动过程的长记忆性显着下降,而收益率序列的长记忆性并无显着变化。(本文来源于《统计与决策》期刊2012年07期)
股票市场结构论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
伴随着大数据时代的到来和计算机技术的发展,对复杂网络理论的研究与应用有了新的进展。在现实生活中,许多复杂系统都可以应用复杂网络建模进行分析,比如社交网络、因特网和互联网等等。复杂网络不仅是一种数据的表现形式,也是一种科学研究的方法,通过挖掘这类网络的关键信息从而概括它们的共同特征并进行深入认识。在复杂网络研究中,研究者不仅可以从宏观角度研究系统整体的行为特征,还可以从微观层面上观察内部个体之间的相互作用。在证券市场的发展过程中,繁荣与危机相生相伴,市场的涨跌如影随形。股票价格的波动成了投资者和研究者的重要研究内容。股票价格的变化不仅与宏观经济发展、上市公司基本面有关,同时还会受到市场中其他上市公司的影响。如何理解股票之间关联程度不但有助于投资者构建投资组合,而且有利于管理层对市场的风险控制。中国股票市场中交易的股票有两千多只,它们之间的关系错综复杂。如何在大量的股票之间挖掘一般性特征则显得比较重要。根据已有的金融统计分析发现,传统金融市场的理性投资者、股票价格的随机游走模型以及有效市场假说理论和真实的金融体系中存在一定的偏差,我们需要运用新的方法来研究复杂的金融市场。复杂网络理论的发展,为复杂性研究提供了新方向。复杂性科学在系统的复杂性和演化机制上提供了新的思路。将复杂网络研究引入股票市场,有助于我们对股票市场特征的认识和理解。中国的股票市场发展至今,经历了初创(1990年-1991年)、试验(1992年-1997年)、规范(1998年-2001年)、转轨(2002年-2004年)及重塑(2005年至今)五个阶段。2005年的股权分置改革在中国证券发展史上具有重要意义。股权分置改革以后,资本市场上实现了融资和资源配置功能。中国的证券市场成为新兴市场之一,交易十分活跃。显着的交易量造就了中国证券市场的异常繁荣,2007年底上证指数从股票分置改革结束时的998点上涨至最高6124点。然后证券市场经历了剧烈的暴跌进入熊市状态。从2007年至2014年期间,受到美国次贷危机导致的全球金融危机和欧债危机的影响,证券市场一直处于激烈的震荡过程中。2014年起,中国证券市场新的一轮行情的兴起到暴跌引起了投资者和金融理论研究者的关注。本文以中国上海证券市场交易的个股为研究对象,以股票之间的相关性为依据构建股票网络模型,分析股票收益率之间的相关关联程度的形式及量化,挖掘股票之间相互影响的机制,从系统的角度研究股票网络的结构特征和规律性。本文收集了上证A股市场的828只股票近叁年(2014-2017)的每日收盘价数据,基于不同的网络生成机制,剖析了股票市场在较长的时期内一般性特征及市场在不同发展阶段的结构变化特点。首先,通过对股票每日收盘价走势图的比较分析,发现在股票价格之间的非线性关系明显,本文引入互信息作为变量之间的相关关系的度量并以此为构建股票网络的依据。在过去的叁年里,中国的股市经历了新的一轮大幅上涨和下跌,股票指数及个股的波动率经历了异常波动,呈现出非线性特征。传统的线性相关显然不能很好的解释非线性关系。在这里引入互信息量描述随机变量之间的关系,并与线性相关系数的结果进行比较。对比发现当股票收益率呈现出异常波动或者上市公司的配股行为导致股票价格的稀释,互信息可以很好的反映它们的变化。在得到股票两两之间收益率相关性矩阵的基础上,将相关性度量转化为网络中的距离度量,从而构建股票网络的最小生成树模型并对拓扑结构进行分析。根据样本数据的特点,通过普里姆算法对距离矩阵压缩,将网络中边的规模降至最小,以最少的边连接所有的股票节点且不构成回路。基于节点度值分布、介数、平均路径及中心性等统计指标分析股票网络拓扑结构,并设计网络关键节点的筛选标准,确定关键节点并测试它们在网络中的作用。并按照股指发展的趋势分阶段构建股票网络并比较不同阶段网络结构的特征。聚类性是真实网络的一个重要特征,由于最小生成树图不构成回路,因此无法分析网络的聚类性。阈值法是分析网络聚类性的重要生成机制,传统阈值法与资产图的生成原理相似,只青睐相关性最强的连接,导致网络中存在大量的孤立点。本文提出优化阈值法,对每一只股票的节点关系设置一个阈值,将股票节点相关性强的那一部分连接构建网络,分析股票网络的聚类性,同时对不同阶段的网络聚类特征进行比较。为了对聚类特征的进一步研究,我们考虑对小规模的聚类形式进行深入分析。在已有的聚类结果基础上对网络中的信息继续筛选,通过极大平面过滤图,该生成机制在确保网络的平面拓扑结构前提下,研究网络中小集团的形成机制和差异性。根据上述研究过程,我们得到了股票市场特征的相关结论。首先,各板块内部的平均相关性水平相似,但是板块间的相关性水平差异明显,金融板块与其他板块股票之间的相关性水平最低。其次,和大多数实际网络一样,从各种网络生成机制构建的股票网络均具有无标度性、小世界特征以及幂律分布。网络中仅有一小部分股票节点与其他股票节点直接相连,而大多数股票之间并不直接相连,但是网络的平均路径比较小,即网络中只有少数的关键节点。对比叁个不同阶段的最小生成树图,股指上涨阶段股票节点度值的差异性减小,股票之间的相互影响比较活跃;在股指下跌阶段,股票节点度值分布差异性加剧且平均路径变大,即股票更倾向于与关键节点相连并且股票之间对利空消息的传递会延迟,说明在下跌阶段市场对利空消息的消化与吸收持续时间比较长。而在恢复阶段,节点度值分布差异加剧但网络中的平均路径比较小,的网络结构兼具上涨和下跌时的结构特点,反映出市场对利好消息的期望同时又兼具下跌时期的惯性。并且在不同阶段,各板块对股票网络的影响力度是不一样的。第叁,由阈值法生成的网络中股票节点的聚类性显着。随着网络中边的规模不断增加,新加入的边更倾向于连接中心节点。在上升阶段,网络中的聚类系数明显上升。在下跌阶段,网络中的聚类系数不仅上升,而且同步性上升尤其突出。说明了股票网络中股票同跌的程度明显高于同涨的程度。经过叁阶段的对比分析,下跌阶段网络中的聚类程度和同步性是最高的,恢复阶段的聚类系数受到调整参数的变化比较明显。即说明了股市在下跌过程中具有较强的聚类特征和同步特征。通过这两指标的监测,可以预先对股市下跌风险进行防范。最后,在阈值法的基础上再次过滤掉网络中复杂拓扑结构的信息从而得到小规模聚类的3-派系和4-派系。网络中4-派系的数量规模小于3-派系;而且上涨阶段网络中的派系明显比下降阶段的多。其次,即便是同一板块股票构成的4-派系,派系的平均相关程度是存在差异的;下降阶段中由不同板块股票构成的派系比上涨阶段多。叁个阶段的股票网络结构对比可知,股票市场在上涨阶段和下降阶段的信息是不对称的,受到利好消息影响时,股票之间相互影响加强,不论是板块内部影响还是板块外部影响;而受到利差消息影响时,市场的恐慌无形中被严重放大,股票价格趋向于同时下跌。本文借鉴相关理论研究,以复杂网络模型对股票市场的整体行为特征进行实证分析。本文的研究贡献主要集中在以下几个方面:第一,在分析股票之间收益率相关性时,发现股票价格波动的非线性趋势明显,因此选择互信息量来描述这种非线性关系,这个方法比现在普遍使用的线性相关系数更具优势。第二,在分析股票网络聚类特征时,在传统单一阈值方法基础上,本文提出了一个新的阈值生成机制。针对不同板块股票的相关性水平差异,新方法针对每只股票设置一个阈值。并引入统计分布来优化阈值。该方法解决了传统方法中遗漏股票节点的问题,比传统阈值方法更具意义。第叁,但是为了保证平面性,极大平面过滤图方法保留了相关性比较低的节点关系。为了过滤网络中冗余的信息,本文在阈值法的基础上提出了一个新的极大平面过滤图方法。这个极大平面阈值法保证了网络节点之间的高度相关性,同时也具有网络的平面性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
股票市场结构论文参考文献
[1].李朵.中国股票市场结构突变与长期记忆性研究[D].暨南大学.2018
[2].郭雪.网络模型在股票市场结构特征研究中的应用[D].中南财经政法大学.2018
[3].赵川婷.股票市场结构化风险模型中因子协方差估计研究[D].华中科技大学.2018
[4].安宁.优化股票和债券市场结构更好服务实体经济[N].证券日报.2017
[5].曾昭法,殷思宇.基于贝叶斯统计的股票市场结构突变研究[J].统计与决策.2016
[6].童元松,王光伟.基金市场结构、利率与股票指数[J].现代财经(天津财经大学学报).2016
[7].殷思宇.我国股票市场结构突变的贝叶斯研究[D].湖南大学.2015
[8].徐浩.从美国股票市场结构看中国股市[J].中国集体经济.2013
[9].朱宝琛.郭树清:改进退市机制让退市成为常态[N].证券日报.2013
[10].王芳,张文爱.我国股票市场结构突变与双长记忆的实证分析[J].统计与决策.2012