基于复杂网络理论的股票指标关联性实证分析

复杂网络理论是研究股票市场内在结构和功能的有力工具,股票指标的关联性已成为研究股票市场的一个新视角。基于复杂网络理论对深沪300指数(2011年7月28至2012年2月28)构建网络拓扑结构。利用DFA进行数据筛选,计算筛选后数据的股票指标的绝对相关系数。根据股票指标的绝对相关系数概率分布确定阈值,构建网络拓扑结构,计算股票指标的网络统计特征指标,分析收益率、成交量、市盈率的网络结构。研究结果表明,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,是随机网络且受外界影响较大、效率低下,风险比较大。