基于复杂网络视角的金融指数跟踪最优化研究

摘要：

以复杂网络视角,采用自适应仿射传播聚类算法,从沪深300指数中选择分散化程度高的聚类中心作为标的,同时对比市值排序选股和权重排序选股,构建二次指数跟踪最优化模型,并进行实证分析与稳健性检验.研究发现:复杂网络聚类选股方法只需50只以内股票,即可实现较高精度的沪深300指数跟踪;当股票数量选择31只时,AAP聚类的误差相对较小且股票数目适中,样本内31只股票的日均跟踪误差为6.35×10-5,分别比市值排序和权重排序降低了36.50％和24.85％,样本外31只股票的日均跟踪误差为3.10×10-4,比其余两种方法分别降低了45.33％和38.74％;在稳定性检验中,当股票数介于5～35只之间时,AAP聚类选股进行指数跟踪优于其他两种选股的可能性超过80％,表明跟踪结果具有良好的稳健性.

关键词：复杂网络、聚类选股、指数跟踪、自适应仿射传播聚类、日均跟踪误差

分类号：F830.2(金融、银行)

资助基金：国家自然科学基金项目71101068,71171109;中央高校基本科研业务费专项资金资助011814380027;江苏省自然基金面上项目BK20161398;江苏省金融工程重点实验室课题NSK2015-09

在线出版日期：2018-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：35-42,56