媒體關聯與證券市場動量溢出效應研究——基于實證資產定價與深度學習視角 版權信息
- ISBN:9787550457812
- 條形碼:9787550457812 ; 978-7-5504-5781-2
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
媒體關聯與證券市場動量溢出效應研究——基于實證資產定價與深度學習視角 本書特色
本書立足于現代金融學理論框架,面向中國證券市場,展開基于媒體關聯的動量溢出效應研究。本書創新性地提出基于媒體新聞共同報道捕捉企業關聯關系的思想。以該思想為指導,本書構建了一個基于媒體關聯的企業關系網絡,系統地論證了基于媒體關聯的企業關聯關系的獨特性和合理性,并從有限注意力假設出發,驗證了基于媒體關聯的企業關聯關系及關聯資產的動量溢出效應在不同市場運行時期的存在性、有效性和穩健性。為了克服傳統計量方法無法有效捕捉資產收益率之間基于復雜關聯的動態傳導和溢出效應的局限性,本書創新性地提出了一個面向動量溢出效應的自適應動態圖神經網絡算法,以細致地刻畫動量在企業之間的轉移和匯集作用。
媒體關聯與證券市場動量溢出效應研究——基于實證資產定價與深度學習視角 內容簡介
本書在現代金融學理論框架下,將實證資產定價研究與深度學習技術在金融中的應用展開深度結合,從實證資產定價與深度學習的視角探究基于媒體關聯的企業關聯關系對資產價格波動的影響作用。一方面,論證了中國證券市場中基于媒體關聯的動量溢出效應的存在性、有效性和穩健性,為實證資產定價研究的發展提供了中國證券市場的證據;另一方面,創新性地提出了一個面向動量溢出效應的自適應動態圖神經網絡算法,旨在更細致地刻畫動量在企業之間的轉移和匯集作用,為探究動量溢出效應對證券市場波動風險的影響提供了一個基于智能計算的研究思路。
媒體關聯與證券市場動量溢出效應研究——基于實證資產定價與深度學習視角 目錄
1 緒論 / 1
1.1 選題背景和研究意義 / 1
1.1.1 選題背景 / 1
1.1.2 研究意義 / 13
1.2 研究思路、 研究方法及全書結構 / 17
1.2.1 研究思路 / 17
1.2.2 研究方法 / 20
1.2.3 全書結構 / 22
1.3 本書的創新點 / 24
2 理論基礎與文獻綜述 / 28
2.1 證券市場波動相關理論 / 29
2.1.1 現代經典金融理論 / 29
2.1.2 行為金融學理論 / 33
2.1.3 本節評述 / 37
2.2 企業關聯關系與證券市場波動研究 / 38
2.2.1 股票聯動性研究 / 40
2.2.2 動量溢出效應研究 / 42
2.2.3 本節評述 / 442 .媒體關聯與證券市場動量溢出效應研究———基于實證資產定價與深度學習視角
2.3 證券市場媒體效應研究 / 45
2.3.1 證券市場媒體效應存在性研究 / 47
2.3.2 媒體新聞與證券市場波動研究 / 50
2.3.3 本節評述 / 52
2.4 面向證券市場波動風險分析的研究 / 53
2.4.1 傳統的證券市場波動風險分析研究 / 56
2.4.2 面向證券市場波動的智能計算研究 / 58
2.4.3 本節評述 / 61
2.5 本章小結 / 63
3 媒體關聯與企業關系網絡構建 / 65
3.1 企業媒體關聯的論述 / 66
3.1.1 企業媒體關聯的定義 / 66
3.1.2 企業媒體關聯的理論基礎 / 66
3.1.3 企業媒體關聯的合理性及優越性 / 68
3.2 基于媒體關聯的企業網絡構建 / 70
3.2.1 企業媒體關聯網絡構建方法 / 71
3.2.2 基于企業媒體關聯網絡的股價相關性分析方法 / 73
3.2.3 基于企業媒體關聯網絡的企業影響力分析方法 / 75
3.3 數據準備及統計分析 / 76
3.3.1 媒體新聞數據獲取及預處理 / 77
3.3.2 媒體新聞數據描述性統計分析 / 79
3.3.3 證券市場交易數據準備 / 80
3.4 基于企業媒體關聯網絡的企業關聯性分析 / 82
3.4.1 企業媒體關聯網絡構建分析 / 83
3.4.2 企業媒體關聯網絡中的企業關聯性分析 / 85
3.4.3 企業媒體關聯網絡中*具影響力企業分析 / 91
3.5 本章小結 / 92目錄.3
4 基于媒體關聯的企業動量溢出效應分析 / 94
4.1 問題的提出 / 95
4.2 模型的構建 / 96
4.2.1 基于媒體關聯的企業關系代理變量構建 / 97
4.2.2 基于媒體關聯的動量溢出效應分析 / 98
4.3 數據準備及統計分析 / 99
4.4 實證結果分析 / 101
4.4.1 動量溢出效應的驗證 / 101
4.4.2 穩健性檢驗 / 104
4.5 本章小節 / 108
5 面向動量溢出效應的深度圖神經網絡研究 / 109
5.1 問題的提出 / 110
5.2 模型的構建 / 112
5.2.1 深度學習在金融中的應用 / 112
5.2.2 基于門控機制的自適應動態圖神經網絡模型 / 114
5.3 數據統計及實驗準備 / 117
5.3.1 樣本數據及統計描述 / 117
5.3.2 模型參數設置 / 122
5.3.3 對比實驗設置 / 122
5.4 實驗結果分析 / 124
5.4.1 評價指標 / 125
5.4.2 對比模型結果分析 / 125
5.4.3 模型的有效性分析 / 127
5.5 本章小節 / 1304 .媒體關聯與證券市場動量溢出效應研究———基于實證資產定價與深度學習視角
6 面向證券市場動量溢出效應的大數據風險分析框架 / 131
6.1 問題的提出 / 132
6.2 模型的構建 / 134
6.2.1 系統框架設計 / 134
6.2.2 時序特征融合 / 135
6.2.3 關系特征融合 / 138
6.3 數據統計及實驗準備 / 139
6.3.1 市場信息概述 / 139
6.3.2 樣本數據及統計描述 / 141
6.3.3 模型參數設置 / 142
6.3.4 對比模型設置 / 143
6.4 實驗結果分析 / 145
6.4.1 評價指標 / 146
6.4.2 對比模型結果分析 / 146
6.4.3 模型的有效性分析 / 148
6.4.4 策略投資模擬 / 152
6.5 本章小結 / 155
7 總結、 不足與未來展望 / 157
7.1 研究總結 / 157
7.2 研究不足 / 161
7.3 未來展望 / 163
參考文獻 / 166
附錄 / 182
展開全部
媒體關聯與證券市場動量溢出效應研究——基于實證資產定價與深度學習視角 作者簡介
邢容,西南財經大學金融學博士,師資博士后研究員,研究領域為資產定價與人工智能。
李慶,西南財經大學教授、博士生導師,金融智能與金融工程四川省重點實驗室主任。主要從事大數據挖掘、文本挖掘、信息無障礙、推薦系統、算法交易、證券市場智能分析等領域的研究工作和相關的教學工作。入選多項省部級高層次人才支持計劃,在ACM TOIS、IEEE TKDE、AAAI等期刊上發表學術論文80余篇。主持國際級課題10余項。