本文關鍵詞：信息及其擴散對證券市場的影響　出處：《天津大學》2014年博士論文　論文類型：學位論文

  更多相關文章： 證券市場信息 Ward權熵指標 連續(xù)滲流 厚尾現象 Lévy過程

【摘要】：信息在證券市場中具有舉足輕重的作用。信息的內容及價值影響市場中投資者的決策;信息的擴散導致市場波動等,都是證券市場的研究熱點。本文基于證券市場中靜態(tài)和動態(tài)兩類信息,使用不同的信息處理技術,分別從兩個角度討論了信息對投資者的效用和信息擴散對市場波動產生的影響。首先,針對靜態(tài)信息,主要是上市公司的財務數據,從財務聚類的角度進行研究。由于對股票聚類方法的研究較多,但對聚類結果的優(yōu)劣、取舍卻較難評定,本文提出了一個評價聚類結果優(yōu)劣的Ward權熵指標,以幫助投資者對股票進行聚類和篩選。該指標兼具股票聚類所要求的準確性和面向投資者的實用性特點,從基于距離度量的偏差損失最小和基于信息熵度量的信息量損失最小兩個角度衡量聚類結果的優(yōu)劣。Ward權熵指標適用于不同的聚類方法、相似性度量、以及指標加權等狀態(tài),具有廣泛的適應性。文中驗證了在聚合聚類下,指標關于聚類數K單調不降。通過實證,分析了指標的特性,并使用該指標對不同聚類方法和聚類結果進行了較為有效的評價。其次,針對動態(tài)信息,本文討論了證券市場信息擴散的羊群效應及其對市場波動的影響。借鑒與信息擴散結構相似的連續(xù)滲流理論,本文詳細討論了利用連續(xù)滲流模擬價格或指標波動的模型構造、理論分析和實證。主要介紹了滲流及連續(xù)滲流的理論和應用背景。給出一個基本的RCM波動模型,進而重點討論單串和多串的連續(xù)滲流模型及其改進,使所構造的模型不斷貼近市場的真實狀態(tài)。在不同的模型下均驗證出波動率收斂于L′evy過程,而非有效市場假說條件下得到的Wiener過程。通過程序實現,形象地展示了在連續(xù)滲流模型下,信息擴散的機制及上、下臨界狀態(tài)的差異,并通過模擬波動過程,驗證了收益率的厚尾現象。最后根據不同參數的變化導致收益率變化的狀態(tài),解釋了參數的作用。
[Abstract]:Information plays an important role in the securities market. The diffusion of information leads to the fluctuation of the market, which is the research hotspot of the securities market. Based on the static and dynamic information in the securities market, different information processing techniques are used in this paper. This paper discusses the effect of information on investors and the influence of information diffusion on market volatility from two angles. Firstly, aiming at static information, it mainly focuses on the financial data of listed companies. From the perspective of financial clustering, because of the more research on the stock clustering method, but the advantages and disadvantages of the clustering results, it is difficult to evaluate. In this paper, a Ward weight entropy index is proposed to evaluate the clustering results. In order to help investors to cluster and screen the stock. This index has both the accuracy required by stock clustering and the practicability of investor oriented. From the two aspects of minimum deviation loss based on distance measurement and minimum information loss based on information entropy measure, Ward weight entropy index is suitable for different clustering methods, similarity measurement. In this paper, it is verified that the cluster number K of the index is not monotone decreasing under the aggregation clustering. Through the empirical analysis, the characteristics of the index are analyzed. This index is used to evaluate the different clustering methods and clustering results. Secondly, the dynamic information is analyzed. In this paper, the herding effect of information diffusion in securities market and its influence on market fluctuation are discussed, and the continuous seepage theory similar to information diffusion structure is used for reference. This paper discusses in detail the construction of a model for simulating price or index fluctuation by continuous seepage. This paper mainly introduces the theory and application background of seepage flow and continuous seepage, gives a basic RCM wave model, and then discusses the continuous seepage model with single string and multiple strings and its improvement. The constructed model is kept close to the real state of the market and the volatility converges to the Levy process under different models. The Wiener process obtained under the condition of the non-efficient market hypothesis is realized by the program, which vividly shows the mechanism of information diffusion and the difference of the upper and lower critical states under the continuous seepage model. By simulating the fluctuation process, the thick tail phenomenon of the return rate is verified. Finally, the effect of the parameter is explained according to the state of the change of the return rate caused by the change of the different parameters.
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：F832.51

【參考文獻】

中國期刊全文數據庫 前10條

1 DONG Yanfang;WANG Jun;;COMPLEX SYSTEM ANALYSIS OF MARKET RETURN PERCOLATION MODEL ON SIERPINSKI CARPET LATTICE FRACTAL[J];Journal of Systems Science & Complexity;2014年04期

2 葛顥;;非平衡態(tài)統計物理的隨機數學理論[J];數學進展;2014年02期

3 張敞;王園園;趙裕嘯;伍章俊;;一種基于信息熵的聚類結果評價方法[J];合肥工業(yè)大學學報(自然科學版);2011年08期

4 周漩;張鳳鳴;惠曉濱;李克武;;基于信息熵的專家聚類賦權方法[J];控制與決策;2011年01期

5 余樂安;汪壽陽;;基于核主元聚類的股票分類[J];系統工程理論與實踐;2009年12期

6 李云飛;李鵬雁;;基于模糊聚類技術的股票投資價值評價指標選擇[J];燕山大學學報;2008年06期

7 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學報;2008年01期

8 李敏;何理;;聚類分析在證券投資基本分析中的應用[J];遼寧師范大學學報(自然科學版);2006年02期

9 朱惠倩;聚類分析的一種改進方法[J];湖南文理學院學報(自然科學版);2005年03期

10 王寧,王軍;利用Poisson Boolean模型建立股票價格波動過程及數據模擬[J];北京交通大學學報;2005年03期

中國博士學位論文全文數據庫 前2條

1 呂宗磊;對聚類及聚類評價若干問題的研究[D];南京航空航天大學;2009年

2 章融;證券市場中的羊群行為研究[D];浙江大學;2004年

中國碩士學位論文全文數據庫 前2條

1 王園園;基于決策樹的模糊聚類評價算法及其在證券領域的應用[D];合肥工業(yè)大學;2010年

2 李瑩;聚類結果評價方法與聚類知識提取技術的研究[D];南京航空航天大學;2008年

，

本文編號：1430557