基于时序图模型结构估计的股票联动研究
我国股市个股价格同时上涨或同时下跌的联动现象极为普遍,传统上使用向量自回归、协整、有向非循环图等方法主要用于少量股票或市场之间的联动性研究,不适于直接对大规模个股之间的联动关系进行研究。文章关注大规模时序图模型结构建立及估计方法,通过将ADL方法引入SPACE算法,提出了可以估计高维低样时序图模型的ADL.SPACE算法;设计模拟实验考察了算法中惩罚参数A值的设置对于节点自回归相关性捕获的有效性;在实证研究中,文章使用了ADL—SPACE算法对个股联动研究了三方面的内容:1.基于个股联动的代表性行业之间的联动性;2.设计了我国A股市场中行业联动强度,对行业内外联动性进行综合评价和分析;3.采用一阶滞后个股基于时序图模型结果构造了投资组合,模拟显示收益预期表现良好。以上研究均表明时序SPACE图模型方法在大规模股票的联动探测中有较好的应用前景。
图模型、时序SPACE算法、股票联动
31
O213;C812(概率论与数理统计)
中国人民大学应用统计科学研究中心2009年重大项目08jjd910248;中国人民大学科学研究基金中央高校基本科研业务费专项资金资助项目10XN1014
2012-11-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
813-822