系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
Systems Engineering—Theory & Practice
2015年
2期
273~282
,共null页
庄新田 张鼎 苑莹 庄霄威
莊新田 張鼎 苑瑩 莊霄威
장신전 장정 원형 장소위
中国股市 复杂网络 分形维数 R/S分析 Hurst指数
中國股市 複雜網絡 分形維數 R/S分析 Hurst指數
중국고시 복잡망락 분형유수 R/S분석 Hurst지수
Chinese stock market; complex network; fractal dimension; R/S analysis; Hurst index
利用阈值法构建中国股市复杂网络模型,从时间和空间两个角度对中国股市复杂网络的分形特征进行分析. 首先利用分形几何学对静态网络进行分析,得到静态网络的分形维数,并发现其分形维数随着网络阈值的增大而减小.再利用R/S分析方法对中国股市复杂网络聚集系数时间序列进行分析,发现其具有长记忆性和持久性,且在长时间窗口下这一性质更值得信赖. H值大致呈现出随着时间窗口和阈值的增加而增加的规律.周期天数n呈现出随着时间窗口的增加而增长,随着阈值的增加而下降的规律.这说明在实际市场中,长时间窗口和高联系度股票产生的交易者群体行为惯性更强,长时间窗口和低联系度股票产生的交易者群体行为惯性的持续周期更长.这些研究成果表明了证券市场时间和空间两个维度的内在联系.
利用閾值法構建中國股市複雜網絡模型,從時間和空間兩箇角度對中國股市複雜網絡的分形特徵進行分析. 首先利用分形幾何學對靜態網絡進行分析,得到靜態網絡的分形維數,併髮現其分形維數隨著網絡閾值的增大而減小.再利用R/S分析方法對中國股市複雜網絡聚集繫數時間序列進行分析,髮現其具有長記憶性和持久性,且在長時間窗口下這一性質更值得信賴. H值大緻呈現齣隨著時間窗口和閾值的增加而增加的規律.週期天數n呈現齣隨著時間窗口的增加而增長,隨著閾值的增加而下降的規律.這說明在實際市場中,長時間窗口和高聯繫度股票產生的交易者群體行為慣性更彊,長時間窗口和低聯繫度股票產生的交易者群體行為慣性的持續週期更長.這些研究成果錶明瞭證券市場時間和空間兩箇維度的內在聯繫.
이용역치법구건중국고시복잡망락모형,종시간화공간량개각도대중국고시복잡망락적분형특정진행분석. 수선이용분형궤하학대정태망락진행분석,득도정태망락적분형유수,병발현기분형유수수착망락역치적증대이감소.재이용R/S분석방법대중국고시복잡망락취집계수시간서렬진행분석,발현기구유장기억성화지구성,차재장시간창구하저일성질경치득신뢰. H치대치정현출수착시간창구화역치적증가이증가적규률.주기천수n정현출수착시간창구적증가이증장,수착역치적증가이하강적규률.저설명재실제시장중,장시간창구화고련계도고표산생적교역자군체행위관성경강,장시간창구화저련계도고표산생적교역자군체행위관성적지속주기경장.저사연구성과표명료증권시장시간화공간량개유도적내재련계.
By using the threshold method, this paper constructs the Chinese stock market complex network and analyzes the fractal characteristics of the network from the dimensions of time and space. Firstly, the static network is analyzed with the fractal geometry theory, from which the fractal dimension of the network is obtained. The result shows that the fractal dimension decreases with the threshold. Then, based on the R/S analysis method, this paper analyzes the time series of the clustering coefficient of network. The result illustrates that the time series show the long memory and persistence. And in the long time window, this result is more trustworthy. Approximately, the Hurst index increases when the time window and the threshold increase. The cycle increases when the time window increases and the threshold decreases. It illustrates that in the real market, the trader's group behavior inertia is stronger in the case of long time window and high correlation stocks, and the cycle of the trader's group behavior inertia is longer in the case of long time window and low correlation stocks.