描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787521854213
内容简介
稀土是重要的战略性矿产资源，对稀土类上市公司股价波动情况及其波动传导的因果关系的研究，能够使市场各方更清晰的认识目前的市场关系。本研究构建了股价量化因果关系分析与预测模型，从网络的角度对稀土产业上市公司股票间价格波动因果关系进行计算和预测，并据此分析其波动传导关系。主要研究工作和创新性成果如下：
（1）构建股票间价格波动量化因果关系网络模型，对稀土产业上市公司股票间价格波动因果关系进行分析，以此探索全球稀土产业链各环节以及各地区间公司的关系。运用量化因果关系分析模型和复杂网络方法，从稀土产业上市公司间股价波动量化因果关系对稀土产业链各环节以及各地区间关系进行了分析，并给出各环节公司间的主要波动传导路径。研究发现，稀土产业股票两两之间价格波动量化因果关系同时存在正向因果
关系、负向因果关系和不明因果关系，主导因果关系多为正向因果关系。产业链上下游企业间正向因果关系较为明显，量化值也比较大。而相同地区内部企业间正向因果关系明显大于不同地区间企业正向因果关系。不同地区间企业负向因果关系和不明因果关系明显大于相同地区内部企业之间的负向因果关系和不明因果关系。
（2）构建了量化因果关系网络演化模型，把滑动窗步长作为变量加入量化因果关系模型，计算各滑动窗内的稀土产业上市公司股票间价格波动量化因果关系，并以计算结果研究了稀土产业链各环节间关系以及股票间的波动传导关系和传导路径的演化特征。研究发现，股价波动传导变化程度越来越小，股票间的因果关系逐渐趋于稳定，说明稀土产业上市企业间的关系更稳定，产业链供需关系更清晰、稳定。同时，上游股票的传导影响力呈现下降趋势，中游和下游股票的传导影响力呈现上升趋势，反映了市场对资源的依赖程度有所下降，对技术的重视程度有所上升。
（3）以循环神经网络方法 LSTM 为基础构建了基于量化因果关系演化网络数据LSTM-TDD 因果关系预测模型，明显提高了强因果关系预测精度和预测效率。对预测结果进行了趋势分析。研究发现，量化的因果关系更进一步趋于稳定，说明稀土产业上市企业间的关系更稳定，产业链供需关系更清晰、稳定。根据预测的一年数据所得波动传导路径与研究所用整体数据的波动传导路径略有区别，但整体特征基本一致。因此研究结果可以为稀土产业股票市场各类参与主体行为提供有力的支持。
（1）构建股票间价格波动量化因果关系网络模型，对稀土产业上市公司股票间价格波动因果关系进行分析，以此探索全球稀土产业链各环节以及各地区间公司的关系。运用量化因果关系分析模型和复杂网络方法，从稀土产业上市公司间股价波动量化因果关系对稀土产业链各环节以及各地区间关系进行了分析，并给出各环节公司间的主要波动传导路径。研究发现，稀土产业股票两两之间价格波动量化因果关系同时存在正向因果
关系、负向因果关系和不明因果关系，主导因果关系多为正向因果关系。产业链上下游企业间正向因果关系较为明显，量化值也比较大。而相同地区内部企业间正向因果关系明显大于不同地区间企业正向因果关系。不同地区间企业负向因果关系和不明因果关系明显大于相同地区内部企业之间的负向因果关系和不明因果关系。
（2）构建了量化因果关系网络演化模型，把滑动窗步长作为变量加入量化因果关系模型，计算各滑动窗内的稀土产业上市公司股票间价格波动量化因果关系，并以计算结果研究了稀土产业链各环节间关系以及股票间的波动传导关系和传导路径的演化特征。研究发现，股价波动传导变化程度越来越小，股票间的因果关系逐渐趋于稳定，说明稀土产业上市企业间的关系更稳定，产业链供需关系更清晰、稳定。同时，上游股票的传导影响力呈现下降趋势，中游和下游股票的传导影响力呈现上升趋势，反映了市场对资源的依赖程度有所下降，对技术的重视程度有所上升。
（3）以循环神经网络方法 LSTM 为基础构建了基于量化因果关系演化网络数据LSTM-TDD 因果关系预测模型，明显提高了强因果关系预测精度和预测效率。对预测结果进行了趋势分析。研究发现，量化的因果关系更进一步趋于稳定，说明稀土产业上市企业间的关系更稳定，产业链供需关系更清晰、稳定。根据预测的一年数据所得波动传导路径与研究所用整体数据的波动传导路径略有区别，但整体特征基本一致。因此研究结果可以为稀土产业股票市场各类参与主体行为提供有力的支持。
目 录
第1章 绪论
1.1 研究背景
1.2 研究目的与研究意义
1.3 研究内容、科学问题及创新点
1.4 研究方法与技术路线
第2章 文献综述
2.1 稀土产业及其相关研究
2.2 股票市场联动关系及波动传导研究
2.3 复杂网络及股价波动关联性研究
2.4 神经网络在时间序列预测方面的相关研究
2.5 文献评述
第3章 价格时间序列复杂网络模型研究
3.1 基于协整网络和Granger因果网络检测金融系统的长期均衡和扩散路径
3.2 原油价格时间序列自回归子模式传输特征分析
3.3 基于网络的大宗矿产商品价格间波动溢出动态关系研究
3.4 战略性金属矿产资源价格多维联动网络研究
3.5 原油与中美黄金价格不同时期内波动相关时变网络分析
第4章 股票价格波动关联关系网络分析及其演化
4.1 基于波动相关性的金砖 股指时变网络结构演化研究
4.2 矿业股票价格因果关系的动态多尺度分析
4.3 股票市场的时变模式因果推理
第5章 股票价格波动关联关系影响机制研究
5.1 揭示财务指标结构相似性对股票收益的影响
5.2 网络视角下基于财务指标的能源股收益推断
5.3 反倾销事件对中国光伏股同步与联动的影响评价
5.4 产业链视角下的层内和层间股价波动溢出网络分析及其演化
第6章 稀土上市公司间股价波动量化因果关系产业链传导分析
6.1 稀土产业链界定
6.2 稀土产业链股票间价格波动量化因果关系网络模型构建
6.3 因果关系强度分析
6.4 稀土产业链股票市场强因果关系分析
6.5 稀土产业上市公司股价波动因果关系传导路径
6.6 本章小结
第7章 稀土上市公司股价波动量化因果关系产业链演化分析
7.1 量化因果关系演化网络模型构建
7.2 正向因果关系网络演化特征
7.3 负向因果关系网络演化特征
7.4 本章小结
第8章 稀土产业链上市公司股价波动因果关系预测分析
8.1 预测方法的选择
8.2 基于LSTM的股票因果关系演化模型构建分析
8.3 稀土上市公司股票价格波动量化因果关系预测模型(LSTM-TDD)
8.4 预测结果分析
8.5 本章小结
第9章 结论与展望
9.1 结论与政策建议
9.2 研究展望
附录
参考文献
1.1 研究背景
1.2 研究目的与研究意义
1.3 研究内容、科学问题及创新点
1.4 研究方法与技术路线
第2章 文献综述
2.1 稀土产业及其相关研究
2.2 股票市场联动关系及波动传导研究
2.3 复杂网络及股价波动关联性研究
2.4 神经网络在时间序列预测方面的相关研究
2.5 文献评述
第3章 价格时间序列复杂网络模型研究
3.1 基于协整网络和Granger因果网络检测金融系统的长期均衡和扩散路径
3.2 原油价格时间序列自回归子模式传输特征分析
3.3 基于网络的大宗矿产商品价格间波动溢出动态关系研究
3.4 战略性金属矿产资源价格多维联动网络研究
3.5 原油与中美黄金价格不同时期内波动相关时变网络分析
第4章 股票价格波动关联关系网络分析及其演化
4.1 基于波动相关性的金砖 股指时变网络结构演化研究
4.2 矿业股票价格因果关系的动态多尺度分析
4.3 股票市场的时变模式因果推理
第5章 股票价格波动关联关系影响机制研究
5.1 揭示财务指标结构相似性对股票收益的影响
5.2 网络视角下基于财务指标的能源股收益推断
5.3 反倾销事件对中国光伏股同步与联动的影响评价
5.4 产业链视角下的层内和层间股价波动溢出网络分析及其演化
第6章 稀土上市公司间股价波动量化因果关系产业链传导分析
6.1 稀土产业链界定
6.2 稀土产业链股票间价格波动量化因果关系网络模型构建
6.3 因果关系强度分析
6.4 稀土产业链股票市场强因果关系分析
6.5 稀土产业上市公司股价波动因果关系传导路径
6.6 本章小结
第7章 稀土上市公司股价波动量化因果关系产业链演化分析
7.1 量化因果关系演化网络模型构建
7.2 正向因果关系网络演化特征
7.3 负向因果关系网络演化特征
7.4 本章小结
第8章 稀土产业链上市公司股价波动因果关系预测分析
8.1 预测方法的选择
8.2 基于LSTM的股票因果关系演化模型构建分析
8.3 稀土上市公司股票价格波动量化因果关系预测模型(LSTM-TDD)
8.4 预测结果分析
8.5 本章小结
第9章 结论与展望
9.1 结论与政策建议
9.2 研究展望
附录
参考文献
评论
还没有评论。