1. 研究目的与意义
对于网络的研究最早可以追溯到1736年数学家欧拉发表的《哥尼斯堡七桥问题》，并在随后的几百年里经历了规则网络和随机网络两个发展阶段。近几年，随着计算机的数据处理和运算能力飞速发展，大量真实网络被发现具有与前两者皆不同的特征。这样的网络被称为叫做复杂网络。
随着关于复杂网络理论及其应用研究的不断深入，复杂网络已经成为一个新兴的研究热点。人们开始尝试应用这种新的理论工具来研究现实世界中的各种大型复杂系统，对复杂网络的相关研究被称为“网络的新科学”。
股票市场本质上也是一个复杂系统，它由市场内的大量股票及股票间的价格波动关联所构成。运用复杂网络理论研究股票市场的方法是从实证的角度构建一个股票市场的关联网络模型，发现股票市场内部的复杂关联结构及其时间演化规律，进而分析股票间的相互关联模式。
2. 研究内容和预期目标
一、研究内容
本题目将基于沪深300指数，构建相关模型，对于取得的数据进行实证检验，构建股票关联网络，并研究关联网络的结构特征及其演化，最后对于结果的运用提出建议。
二、拟解决的关键问题
3. 国内外研究现状
（一）国外研究现状
Ｍantegna（1999）通过最小生成树的方法分析了标普500收益率的关联性，发现了股票间的等级聚类结构，这也被公认为是对股票关联网络最早的研究。Onnela等人（2004）选取了纽约证券交易所的477只股票，构建了关联网络并分析了网络团数量、团规模和平均聚集系数等网络拓扑结构特征。Tumminello等人（2007）利用平面极大过滤图法对纽约证券交易所中300只股票构建了股票关联网络，并计算股票关联网络的度以及最短路径等网络拓扑结构特征。由于最小生成树法和平面极大过滤图法可能会出现过度过滤，Boginski等人(2005)提出了阈值法，即将相关性小于给定阈值的股票之间的连边删去，由剩下的连边构建股票网络。Liu J等人（2010）运用阈值法对2005年至2007年的美国股票构建了关联网络，发现股票的平均收益率仅仅和小部分的股票有关。Lee（2012）等构建了韩国KOSPI指数中成分股的高频价格波动关联动态网络，并发现了当市场波动较大时，股票间的整体价格波动关联性也会随之增强。Patwary, Lee和 Nobi 等（2017）的研究证实，在金融市场不稳定时期，股票间网络从链状变成了星状。同时网络的中心节点也会发生变化，在金融稳定时期，金融公司往往占据着网络中心节点的位置。然而在金融危机期间，非金融公司会成为网络的中心节点。随着2020年新冠疫情的爆发，不少学者也将研究的重点的放在了此次疫情对金融市场的影响上。Faheem等（2020）运用复杂网络方法分析了2019年至2020年全球56个股票指数，发现COVID-19的流行使得股票关联网络的结构特征与之前存在明显不同。Lai等人（2021）构建了全球股票市场的关联网络，发现新冠疫情使各国金融市场联系更加紧密，风险传染效应相比过去更加明显。
4. 计划与进度安排
研究计划：
1．2022年1月10日前完成开题工作
2．2022年3月30日前完成初稿和中期检查工作
5. 参考文献
[1] MantegnaR N. Hierarchical structure in financial markets[J]. The European PhysicalJournal B - Condensed Matter and Complex Systems,1999 11(1):193-197.
[2] Onnela JP, Kaski K, Kertesz J. Clustering and information in correlation basedfinancial networks[J]. The European Physical Journal B - Condensed Matter andComplex Systems,2004,38(2):352-362.
[3] TumminelloM, Matteo T D, Aste T, et al. Correlation based networks of equity returnssampled at different time horizon[J]. European Physical Journal B, 2007, 55(2):209-217.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
