复杂金融网络的自相似性研究.docVIP

复杂金融网络的自相似性研究 　　摘要：以股票为节点，选取适当阈值量化股票收益率序列间相关关系从而构建复杂金融网络。基于复杂网络的理论，讨论金融网络的度分布、平均最短路径和聚集系数，发现面向金融时间序列的股票网络具有小世界效应，无标度特性和一个很重要的特性―自相似性。该文用两种方法分析了网络的自相似性：一是提出用网络节点的度构造Hurst指数，定量分析金融网络的自相似性；二是金融网络的平均路径长度和聚集系数定性地分析了复杂网络的自相似性。 　　关键词：金融市场；复杂网络；无标度；自相似 　　中图分类号：F830文献标识码：A文章编号：1009-3044(2011)04-0723-03 　　Self-similarity Research of Stock Complex Networks 　　WANG Xiao-xia, LI Xing-ye 　　(Business School, University of Shanghai for Science and Technology, Shanghai 200093, China) 　　Abstract: network is constructed from data such as these in the following way: first each stock is treated as a node ,the correlation of stock prices fluctuation is taken as an edge on a network; then some metric and a suitable threshold are chosen. Using the theories and methodology of complex networks, we discussed the degree distribution, average path and clustering coefficient of the stock market network and found that the network has statistical characteristics of networks-small world effect and scale-free property. We also obtained another important property-self-similarity with two methods:one is quantitative analysis node degree distribution with R/S theory by getting Hurst index of structure, the other is qualitative analysis and comparing volume dimension by average path length and clustering coefficient of network with Box Cover method. 　　Key words: financial market; complex network; scale-free property; self-similarity 　　证券市场素有经济晴雨表之称。证券市场由于受企业经济效益，居民收入水平，投资者的心态等诸多因素影响，所以它是一个涵盖大量信息的复杂系统。近年来以复杂网络角度理解和分析证券市场，构建金融网络的方法层出不穷。Boginski [1]等研究了美国证券市场6546支股票，发现股票相关性呈现无标度性。庄新田[2]等基于相关系数构建以上海证券交易所持续交易的股票为节点的复杂网络，讨论上海证券市场的股票价格波动，鲁巍巍[3]等对沪深A股构建复杂网络，计算网络的聚集系数，吸引率，讨论不同行业的聚合强度及其对沪深A股市场股价波动的影响，这些研究都是基于网络的拓扑结构特征：节点度分布、平均路径长度、聚集系数、吸收率等，都从网络节点对网络的影响程度方面考虑，对于复杂金融网络的另一特性――自相似性并无研究。 　　复杂网络的自相似性是指网络局部和整体在某些特征上相似。对于固定网络自相似性的研究一般是利用节点内部互动性来探测网络的演化过程。自相似系数的测量方法是由 C.M.Song与S.Havlin[4]提出利用重构化测量，以及R.Guimera,L.Danon[5]提出利用邮件系统测量社区结构的相似性，他们也用这些方法描述了一些现实网络的自相似性[4]。 　　1 复杂金融网络建模 　　1.1 数据来源 　　笔者随机抽取从2007年9月28日至2