基于复杂网络的个体投资者交易行为研究
| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 本文的内容与框架 | 第9-10页 |
| 1.4 文献综述 | 第10-15页 |
| 1.4.1 复杂网络建模方面综述 | 第10-11页 |
| 1.4.2 复杂网络与金融综述 | 第11-13页 |
| 1.4.3 聚类算法的综述 | 第13-14页 |
| 1.4.4 行为金融理论 | 第14-15页 |
| 第二章 复杂网络 | 第15-34页 |
| 2.1 复杂网络的发展历程 | 第15-17页 |
| 2.1.1 图论 | 第15页 |
| 2.1.2 随机网络 | 第15页 |
| 2.1.3 米尔格莱姆小世界实验 | 第15-16页 |
| 2.1.4 弱连接的强度 | 第16-17页 |
| 2.1.5 复杂网络的新纪元 | 第17页 |
| 2.2 几种典型的网络 | 第17-23页 |
| 2.2.1 随机网络 | 第17-19页 |
| 2.2.2 小世界模型 | 第19-21页 |
| 2.2.3 无标度网络模型 | 第21-23页 |
| 2.3 复杂网络划分 | 第23-24页 |
| 2.4 网络的拓扑性质研究 | 第24-30页 |
| 2.4.1 平均路径长度 | 第24-25页 |
| 2.4.2 聚类系数 | 第25-26页 |
| 2.4.3 度与度分布 | 第26-29页 |
| 2.4.4 介数 | 第29-30页 |
| 2.5 群组划分算法 | 第30-34页 |
| 2.5.1 模块Q函数 | 第31页 |
| 2.5.2 群组划分方法 | 第31-34页 |
| 第三章 个体投资者的复杂网络模型建立与分析 | 第34-46页 |
| 3.1 建立投资者的网络模型 | 第34-35页 |
| 3.2 数据选取 | 第35-36页 |
| 3.3 股票投资组合 | 第36-38页 |
| 3.4 最小生成树算法 | 第38-40页 |
| 3.5 网络模型分析 | 第40-46页 |
| 3.5.1 平均路径长度 | 第40页 |
| 3.5.2 聚类系数 | 第40页 |
| 3.5.3 度和度分布 | 第40-42页 |
| 3.5.4 介数 | 第42-43页 |
| 3.5.5 接近中心度 | 第43页 |
| 3.5.6 网络整体投资分析 | 第43-46页 |
| 第四章 网络群组划分 | 第46-57页 |
| 4.1 群组划分 | 第46-47页 |
| 4.2 群组划分的验证 | 第47-49页 |
| 4.3 群组分析 | 第49-57页 |
| 4.3.1 群组投资方向 | 第49-53页 |
| 4.3.2 群组内的投资者投资相似性高 | 第53-54页 |
| 4.3.3 投资行为相似性验证 | 第54-57页 |
| 第五章 结论与不足 | 第57-58页 |
| 5.1 结论 | 第57页 |
| 5.2 本文的不足以及未来研究的展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
