中國(guó)金融市場(chǎng)在最近30年取得了令世界矚目的成績(jī),隨著互聯(lián)網(wǎng)技術(shù)發(fā)展以及服務(wù)不斷完善,各金融機(jī)構(gòu)都累計(jì)了海量的交易和資訊類型的數(shù)據(jù),如何將這些數(shù)據(jù)綜合利用起來,以便于更好的回饋于金融市場(chǎng)是各金融企業(yè)亟待解決的問題。在傳統(tǒng)經(jīng)濟(jì)學(xué)領(lǐng)域,通常采用各種經(jīng)濟(jì)學(xué)指標(biāo)對(duì)市場(chǎng)的行為和現(xiàn)象進(jìn)行研究與分析解釋。隨著復(fù)雜系統(tǒng)理論不斷發(fā)展,復(fù)雜網(wǎng)絡(luò)研究取得了大量豐富的成果。金融市場(chǎng)作為一個(gè)典型的復(fù)雜系統(tǒng),將復(fù)雜網(wǎng)絡(luò)的研究成果應(yīng)用于金融市場(chǎng),具有非常重要的理論和現(xiàn)實(shí)意義。尤其在國(guó)家大力推動(dòng)金融科技戰(zhàn)略的背景下,通過復(fù)雜網(wǎng)絡(luò)的分析方法來研究金融數(shù)據(jù),已經(jīng)成為了工業(yè)界和學(xué)術(shù)界共同追捧的熱點(diǎn)。金融股權(quán)網(wǎng)絡(luò)作為金融市場(chǎng)重要的組成部分,彌補(bǔ)了傳統(tǒng)金融網(wǎng)絡(luò)研究對(duì)股權(quán)投資信息的重視不足,從而更加客觀的刻畫了金融市場(chǎng)的復(fù)雜特征。金融股權(quán)網(wǎng)絡(luò)涵蓋股票以及信托、基金、期貨等金融衍生產(chǎn)品,股權(quán)結(jié)構(gòu)十分復(fù)雜。傳統(tǒng)復(fù)雜網(wǎng)絡(luò)技術(shù)在處理時(shí),通常采用自定義的網(wǎng)絡(luò)特征進(jìn)行分析,然而這種手動(dòng)提取的數(shù)據(jù)特征粒度較粗,難以挖掘網(wǎng)絡(luò)深層次的價(jià)值。近年來,深度學(xué)習(xí)在工業(yè)界的大獲成功,端到端學(xué)習(xí)和表征學(xué)習(xí)越來越受到人們的重視。網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)將復(fù)雜的圖數(shù)據(jù)向...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 復(fù)雜網(wǎng)絡(luò)研究發(fā)展
        1.2.2 復(fù)雜網(wǎng)絡(luò)在金融網(wǎng)絡(luò)領(lǐng)域的研究
        1.2.3 網(wǎng)絡(luò)表示學(xué)習(xí)研究
    1.3 論文的主要研究工作及創(chuàng)新點(diǎn)
        1.3.1 論文研究工作
        1.3.2 論文工作創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
2 網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)
    2.1 基于矩陣分解的網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)
    2.2 基于隨機(jī)游走的網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)
        2.2.1 Word2vec詞向量嵌入模型
        2.2.2 節(jié)點(diǎn)采樣策略
        2.2.3 基于隨機(jī)游走的網(wǎng)絡(luò)表示學(xué)習(xí)模型
    2.3 基于圖神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)
        2.3.1 圖卷積
        2.3.2 圖神經(jīng)網(wǎng)絡(luò)
        2.3.3 圖卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
3 引入拓?fù)浣Y(jié)構(gòu)編碼的金融股權(quán)網(wǎng)絡(luò)表示
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 金融股權(quán)網(wǎng)絡(luò)構(gòu)建
        3.2.2 資金社區(qū)發(fā)現(xiàn)
        3.2.3 引入拓?fù)浣Y(jié)構(gòu)編碼的隨機(jī)游走
    3.3 引入拓?fù)浣Y(jié)構(gòu)編碼的節(jié)點(diǎn)嵌入模型
        3.3.1 模型定義
        3.3.2 算法流程
    3.4 實(shí)驗(yàn)設(shè)置與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 面向時(shí)序拓?fù)浣Y(jié)構(gòu)的金融股權(quán)網(wǎng)絡(luò)表示學(xué)習(xí)
    4.1 問題描述
    4.2 相關(guān)工作
        4.2.1 動(dòng)態(tài)隨機(jī)游走嵌入模型
        4.2.2 時(shí)序投資偏好的隨機(jī)游走
    4.3 模型框架介紹
        4.3.1 模型定義
        4.3.2 算法流程
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 基于GraphSage信息融合的金融股權(quán)網(wǎng)絡(luò)表示學(xué)習(xí)
    5.1 問題描述
    5.2 相關(guān)工作
        5.2.1 GraphSage
        5.2.2 消息傳遞網(wǎng)絡(luò)
    5.3 模型框架介紹
        5.3.1 模型定義
        5.3.2 算法流程
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        5.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.4.3 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士期間的研究成果及參加的科研項(xiàng)目



本文編號(hào)：3764092