金融市場高維交叉關聯(lián)矩陣結構演化分析.pdf

1、金融時間序列的交叉關聯(lián)矩陣（協(xié)方差矩陣）作為現(xiàn)代投資理論的基石，其研究在經濟金融學中具有相當長時間的歷史。傳統(tǒng)的計量經濟學研究主要關注于如何構造更有效的投資組合模型，而對交叉相關矩陣本身的性質卻關注不足。計量經濟模型構建時通常只需要計算少數(shù)幾個時間序列的交叉關聯(lián)矩陣。一個由某個市場所有股票價格時間序列計算得到的高維交叉關聯(lián)矩陣用處甚微，但這個矩陣卻可能包含了與這個市場結構特征緊密相關的關鍵信息。傳統(tǒng)的計量經濟學研究方法無法處理這個高維矩

2、陣，因此我們從復雜性科學出發(fā)，用金融物理學和復雜網絡的理論和方法對高維交叉關聯(lián)矩陣的結構演化特征進行深入數(shù)據(jù)挖掘。
　　本文在介紹金融物理學、復雜網絡這兩個重要的復雜性科學研究方向之后，分別采取最小生成樹、隨機矩陣以及復雜網絡社團劃分這三種研究方法，同時對CSM市場249支股票構成的交叉關聯(lián)矩陣以及NYSE市場259支股票構成的交叉關聯(lián)矩陣展開分析。我們首先用1997年至2007（2008）年將近10年的股票價格數(shù)據(jù)計算靜態(tài)交叉關

3、聯(lián)矩陣分析其長期穩(wěn)定結構特征，然后將這10年的數(shù)據(jù)分成若干段，每段數(shù)據(jù)包含500個交易日，兩段相鄰數(shù)據(jù)有20個交易日的滾動，根據(jù)這若干段滾動的數(shù)據(jù)計算動態(tài)交叉關聯(lián)矩陣并分析其動態(tài)演化特征。
　　三種不同的研究方法的實證結果得到一致的結論，即發(fā)現(xiàn)CSM市場的股票算法分類與標準市場板塊分類不對應，而NYSE市場的股票算法分類與標準板塊分類較為吻合。就其差異性的原因，本文給出兩個經濟含義解釋：首先是兩個市場投資者投資決策的關注點存在差異