原创《基于复杂网络新能源股票间联动性》：本文关于复杂网络论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
摘 要：运用复杂网络方法,建立无向无权网络,考量新能源板块内88支股票间的联动性,结果表明,新能源股票间的收益具有联动性；一些股票在网络中占据重要位置,对于信息在新能源股票网络中传递起重要作用；所构建的网络具有小世界效应和无标度特性,但是幂律指数和大多数现实网络的幂律指数存在差异.鉴此,投资新能源股票,应综合考量市场波动对未来收益的影响,以更好规避投资风险.
关键词：新能源股票；联动性；复杂网络
中图分类号：F830.593 文献标识码：A 文章编号：
一、引言
《能源发展战略行动计划（2014-2020年）》使得新能源产业的发展有了量化目标.新兴能源作为区别于传统能源,其消费的革命将会带来一场彻底的改观.新能源股票是新能源价值的一种体现,研究新能源股票收益之间的联动性,有利于投资者更加客观的了解新能源股票间的相互关系,同时有助于监管层防范风险传递,维护新能源股票市场秩序、健康发展.
股票市场作为一个复杂的经济系统,可以采用复杂网络模型来进行分析.将复杂网络用于分析股票市场主要侧重于拓扑特性和聚类分析两个方面的研究.针对拓扑特性,Watts和Strogatz首次引入了小世界网络模型[1].Barabasi和Albert指出许多复杂网络的度分布有幂律属性[2].Galazkayi 通过建立最小生成树网络和加权随机网络研究波兰股票市场,发现其服从幂律分布,网络中存在着对其它节点影响巨大的中心节点,说明该股票网络具有无标度特性[3].Yan, Xie和Wang运用复杂网络的方法对 析了美国次贷危机前中后三个时期中国金融市场网络的稳健性[4].Liu, Tse, He根据S&P500股票构建网络,发现股市的激烈波动会影响股票网络的无标度性质[5].刘超, 吴明文和马玉洁运用复杂网络的方法研究金融危机期间同业拆借市场,发现我国同业拆借市场具有典型的小世界效应和无标度特性[6].张来军, 杨治辉和路飞飞运用复杂网络理论对沪深300指数构建网络拓扑结构,发现股票收益率和成交量指标的具有较强的关联性,具有小世界性质；市盈率指标具有较弱的关联性,不具有小世界性质[7].
由于股票市场上具有行业聚集现象,在研究金融网络拓扑性质的基础上,学者开始在图论基础上对网络进行聚类分析.Huang, Zhuang和Yao选取沪市和深市的1080只股票,利用最大平面过滤算法构造股市的关联网络,研究结果发现各股票之间有明显行业聚集现象[8].Tabak, Serra和Cajueiro研究巴西股市的关联网络结构,发现股市按行业聚集[9].黄玮强,庄新田和姚爽分别运用最小生成树算法和PMFG算法构建相应的股票关联网络,分析其拓扑性质和聚类结构,发现有明显的行业聚集现象并且存在网络关键节点,它们对于整个网络的波动关联起重要作用[10].
目前对于新能源板块收益联动性的研究并不多见,已有的研究大多侧重于新能源公司股价和其它经济变量之间的关系,而很少涉及新能源股票收益之间的联动性.复杂网络理论可以准确描述新能源股票网络这一复杂系统之间的关系,使用复杂网络的方法研究新能源收益波动较之以前学者使用对称及非对称MVGARCH模型来研究能源股价波动情况更符合股票市场作为巨复系统真实情况.因此,本文拟采用复杂网络的方法来研究新能源股票收益联动性及所构建网络的拓扑性质.
二、复杂网络的主要特征
(一)小世界效应
小世界效应是指若网络中任意两点间的平均距离L 随网络节点数N 的增加呈对数增长,即 L ～ l n N.在实证研究中,通过计算网络的平均路径长度和聚集系数,并和随机网络图、规则网络图进行对比来判断所构建的网络是否具有小世界效应.
1.平均路径长度定义为网络中任意两点之间的距离的平均值,这个距离是指连接两点最短路径上的连边数.
（1）
其中,N 为网络规模,Dij为节点i和节点j之间的最短路径.
2.聚集系数又称为簇系数,用来描述网络的聚类特性,表达的是节点集内部连接情况.从聚集系数可以看出所研究的网络和随机网络图的区别.计算节点i的聚集系数Ci公式如下：
（2）
其中,Ki表示节点i邻接节点的数量,Ei为节点 i 的Ki个邻接点之间实际边数,节点i通过Ki和其它节点相连,最多可能有Ki（Ki-1） /2条边.整个网络的聚集系数C是所有节点i的聚集系数Ci的平均值.当C 等于 0 时,为星形规则网络,连边数为0；当 C 等于 1 时,所有点偶都直接相连,是全连通规则网络.
(二)无标度特性
无标度特性是指网络的度分布服从幂律分布,它描述了网络中少数节点的度分布远远高于其它节点.不同于度分布近 从Poisson分布的ER随机网络图,现实世界中许多网络的连接度分布函数具有幂律形式,其特征标度不明显,所以就称为无标度网络.
（3）
其中 是幂律指数,两边取对数可以等价表示如下：
（4）
(三)节点中心性
1.度中心性（degree centrality）
度中心性被广泛用于度量节点的重要性.在网络图中,重要节点是指那些和其它节点有较多连接边数的顶点,可以用来描述该节点在网络中的影响力.度中心性的计算方法为：
（5）
其中, 表示节点i度中心性值大小,ki表示节点i的度,N是指网络规模.
2.接近中心度（Closeness centrality）
接近中心度,又称凝聚中心性或紧密中心性,是基于最小距离的概念提出来的.在网络图中,节点i的中心值是指到其它节点的平均最短距离的倒数,和度中心性方法不同的是,接近中心度不仅考虑了目标节点和其它节点之间的连接边数,还考虑了该节点和所有其它节点之间的最大距离.一般情况下,接近中心度值越大,该目标节点到网络中其它节点的平均距离越短,它在网络中的位置越趋于中心,信息更容易传达到这个顶点.接近中心性计算方法为：
复杂网络论文参考资料：
结论：基于复杂网络新能源股票间联动性为适合复杂网络论文写作的大学硕士及相关本科毕业论文，相关复杂网络理论及应用开题报告范文和学术职称论文参考文献下载。
