基于复杂网络与数据挖掘的股市指数序列研究

《基于复杂网络与数据挖掘的股市指数序列研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号M201170077学校码10487密级硕士学位论文基于复杂网络与数据挖掘的股市指数序列研究学位申请人：杨梅学科专业：概率论与数理统计指导老师：周晓阳教授答辩日期：2013年5月21日AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceResearchofStockMarketsIndexSeryBasedonComplexNetworkandDataMiningCandidate:YangMeiMajor:ProbabilityTheoryAndM

2、athematicalStatisticsSupervisor:ProfessionZhouXiaoyangHuazhongUniversityofScienceandTechnologyWuhan,430074,P.R.ChinaMay,2013独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权

3、使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文摘要我国股票市场已成为证券业和金融业必不可少的重要组成部分，许多学者提出了各种各样的方法研究股票市场规律。本文结合复杂网络与数据挖掘技

4、术对上证指数序列进行分析。区别于以连续收益率序列为基础研究股票波动趋势，文章同时考虑时间与空间两个维度。本文对上证指数2006/10/9至2012/12/11的日收盘价序列进行了数据转换，提取了两个特征模式：天数符号序列与涨跌收益率序列。同时引入调整因子的概念，在不同的调整因子下，动态分析天数符号序列与收益率序列的性质。对天数序列按照时间顺序构建复杂网络，应用k-核方法，研究节点与股市波动状态的关系。对收益率序列分析，考虑收益率的分布情况并使用多维量表与最小生成树方法对不同收益率分布进行分类。结果表明：①k-核子网在以天数为节点的网络中占有重要地位，同时，k-核方法将节

5、点分为常态点、过渡点与异常点，此三类节点与股市波动趋势有密切联系。②连续涨跌的收益率分布与常规收益率分布一致，具有“高峰厚尾”的特点，服从非对称的拉普拉斯分布。但是，引入调整因子后，收益率序列逐渐偏离非对称的拉普拉斯分布。结合多维量表与最小生成树方法对收益率序列进行分类，得到了6类不同的收益率分布。关键词：复杂网络；非对称拉普拉斯分布；多维量表；最小生成树；调整因子I华中科技大学硕士学位论文AbstractChinesestockmarkethasbecomeanimportantpartofthesecuritiesindustryandfinancialindust

6、ryandmanyscholarshaveproposedavarietyofmethodstostudystockmarketlaws.ThispaperanalyzestheShanghaiCompositeIndex,usingcomplexnetworkanddataminingtechnology.Differentfromthepreviousmethods,thearticleanalyzestheShanghaiCompositeIndexfromthetwodimensionsoftimeandspace.Thearticleconvertsclose

7、priceoftheShanghaiCompositeIndexfromOctobersix2006toDecembereleven2012,gettingthetimeseriesandthestockyieldseries.Atthesametime,theconceptofadjustmentfactorhasbeenintroduced,wedynamicallyanalysisthefeaturesofthetimesequenceandtheyieldsequence.Conducttheweighteddirectedgra