學術產出-Theses
Article View/Open
Publication Export
-
題名 藉由小世界股票網路探索不同景氣區間的差異性
Exploring economy-realated differences by small-world stock networks作者 邱建堯
Chiu, Chien Yao貢獻者 蕭又新
Shiau, Yuo Hsien
邱建堯
Chiu, Chien Yao關鍵詞 小世界網路
景氣對策信號
最小生成樹
分層樹
small world network
business indicators
minimum spanning tree
hierarchical tree日期 2017 上傳時間 8-Feb-2017 16:42:57 (UTC+8) 摘要 股票市場對投資者而言是以極大化自有資產為目的，因此如何辨別不同景氣區間對股市的影響為投資者感興趣的議題。傳統上，使用統計資料來幫助我們比較不同景氣區間之差異，然而股票市場之複雜、非線性及不可預測性也經常成為各統計資料失準的關鍵，因此，本篇論文以複雜網路作為分析股票市場之模型，並將各個股票表示成節點、股價變化之關聯性作為連結下，建立出複雜網路，藉此探討股市中的景氣差異。 在本研究中，先利用國發會制定的景氣對策信號，來幫助我們選取四段景氣區間，接著將台積電作為網路核心建構個股的相關網路。並以最小生成樹(Minimum Spanning Tree) 將複雜的股票網路簡單化。同時我們計算出各股相關網路之全域網路參數(Global Network Parameters)及區域網路參數(Regional Network Parameters)，以利我們討論兩段景氣好區間與兩段景氣差區間之差異。最後，我們將股市相關網路以分層樹(Hierarchical Tree)來表示，以了解網路分群的結果。 結果顯示，我們建構的個股相關網路符合小世界網路特性，在全域網路參數中，景氣好相關網路之常規化平均特徵路徑(Normalization Average Characteristic Path Length)及景氣差相關網路中之平均群聚係數(Average Clustering Coefficient)、平均特徵路徑(Average Characteristic Path Length)、常規化平均特徵路徑(Normalization Average Characteristic Path Length)有顯著差異。在區域網路參數中，在景氣好相關網路中，被選為網路樞紐並有顯著差異之個股有台達化、宜進與華通，景氣差相關網路則有瑞利、日月光、矽品及萬企。在景氣好相關網路比較時，台積電的連結度與點效率皆具有顯著差異。 參考文獻 [1] Barabasi, A.-L., Albert, R.,1999, Emergence of scaling in random networks, Science 286, 509–512.[2] Barabasi, A.-L., Albert, R. ,2002,Statistical mechanics of complex networks, Rev. Mod. Phys.,volume 74:47-97.[3]Erdős, P.,A. Rényi. ,1976,On the evolution of random graphs, Selected Papers of Alfréd Rényi, volume 2: 482-525.[4] Duncan J. Watts,Steven H. Strogatz,1998,Collective dynamics of small-world networks,Nature 393, 440–442. [5] Lixia Tian, Jinhui Wang, Chaogan Yan, Yong He,2010,Hemisphere and gender-related differences in small-world brain networks: A resting-state functional MRI study, NeuroImage volume 54:191-202.[6]M.E.J.Newman,2004, Scientific collaboration networks. II. shortest paths, weighted networks, and centrality, Phys. Rev. E., volume 64, 016132.[7] Mantegna , 1999,Hierarchical structure in financial markets, Euro. Phys. J.B volume 11:193-197.[8] Giovanni Bonanno, 2003, Topology of correlation-based minimal spanning trees in real and model markets, Phys. Rev.E volume 68,046130.[9]N. Vandewalle, F.Brisbois, X.Tordoir, 2001, Self-organized critical topology, Quantit. Finan.[10] Chi K. Tse,A network perspective of the stock market, 2010,Journal of Empirical Finance volume 17:659-667.[11] Adrian Cho,2009, Econophysics: Still Controversial After All These Years ,Science:Volume 325, Issue 5939, pp. 408.[12] Michael Schulz ,2002,Statistical Physics and Economics: Concepts, Tools, and Applications,Springer.[13] Bonanno,2001,High-frequency cross-correlation in a set of stocks,Quantit. Finan. Volume 1:96-104.[14] Coronnello,C,Tumminello,M,Lillo,F,Micciche,S,Mantegna, R.N.,2005,Sector Identification in a Set of Stock Return Time Series Traded at the London Stock Exchange, Acta Physica Polonica B., volume 36, p. 2653.[15]J. P. Onnela,A. Chakraborti,K. Kaski, J. Kertesz, A. Kanto,2003, Phys. Rev. E volume 68, 056110.[16] Jun-Hong Lin,2016,Age-related differences on the functional connectivity of insular cortex: An approach based upon small-world theory,Master Thesis of Graduate Institute of Applied Physics, College of Science NCCU. 描述 碩士
國立政治大學
應用物理研究所
103755001資料來源 http://thesis.lib.nccu.edu.tw/record/#G0103755001 資料類型 thesis dc.contributor.advisor 蕭又新 zh_TW dc.contributor.advisor Shiau, Yuo Hsien en_US dc.contributor.author (Authors) 邱建堯 zh_TW dc.contributor.author (Authors) Chiu, Chien Yao en_US dc.creator (作者) 邱建堯 zh_TW dc.creator (作者) Chiu, Chien Yao en_US dc.date (日期) 2017 en_US dc.date.accessioned 8-Feb-2017 16:42:57 (UTC+8) - dc.date.available 8-Feb-2017 16:42:57 (UTC+8) - dc.date.issued (上傳時間) 8-Feb-2017 16:42:57 (UTC+8) - dc.identifier (Other Identifiers) G0103755001 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/106439 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 應用物理研究所 zh_TW dc.description (描述) 103755001 zh_TW dc.description.abstract (摘要) 股票市場對投資者而言是以極大化自有資產為目的，因此如何辨別不同景氣區間對股市的影響為投資者感興趣的議題。傳統上，使用統計資料來幫助我們比較不同景氣區間之差異，然而股票市場之複雜、非線性及不可預測性也經常成為各統計資料失準的關鍵，因此，本篇論文以複雜網路作為分析股票市場之模型，並將各個股票表示成節點、股價變化之關聯性作為連結下，建立出複雜網路，藉此探討股市中的景氣差異。 在本研究中，先利用國發會制定的景氣對策信號，來幫助我們選取四段景氣區間，接著將台積電作為網路核心建構個股的相關網路。並以最小生成樹(Minimum Spanning Tree) 將複雜的股票網路簡單化。同時我們計算出各股相關網路之全域網路參數(Global Network Parameters)及區域網路參數(Regional Network Parameters)，以利我們討論兩段景氣好區間與兩段景氣差區間之差異。最後，我們將股市相關網路以分層樹(Hierarchical Tree)來表示，以了解網路分群的結果。 結果顯示，我們建構的個股相關網路符合小世界網路特性，在全域網路參數中，景氣好相關網路之常規化平均特徵路徑(Normalization Average Characteristic Path Length)及景氣差相關網路中之平均群聚係數(Average Clustering Coefficient)、平均特徵路徑(Average Characteristic Path Length)、常規化平均特徵路徑(Normalization Average Characteristic Path Length)有顯著差異。在區域網路參數中，在景氣好相關網路中，被選為網路樞紐並有顯著差異之個股有台達化、宜進與華通，景氣差相關網路則有瑞利、日月光、矽品及萬企。在景氣好相關網路比較時，台積電的連結度與點效率皆具有顯著差異。 zh_TW dc.description.tableofcontents 第一章 導論 11.1網路 11.2台灣產業結構 21.3研究動機 3第二章 方法 42.1資料來源與預處理 42.1.1研究對象與資料取得 42.1.2景氣對策信號 42.2 個股之相關網路的建構 92.2.1皮爾森相關性矩陣(Pearson Correlational Matrix) 92.2.2最小生成樹(Minimum Spanning Tree) 102.3網路參數 142.3.1全域網路參數 142.3.2區域網路參數 172.4網路樞紐之定義 192.5統計方法 202.5.1 雙樣本平均數差異T檢定 20第三章 網路分析 213.1個股之相關網路的全域網路特性 213.1.1小世界網路特性與效率 213.1.2 景氣區間差異 303.2個股之相關網路的區域網路特性 343.2.1網路樞紐 343.2.2 景氣相關差異 383.3網路圖 41第四章 個股相關網路的分層樹(Hierarchical Tree) 504.1分層法(Hierarchical)之選擇 504.2華德法(Ward Method)的分群流程 514.3分層樹(Hierarchical Tree) 52第五章 結論與討論 595.1個股相關網路的小世界特性 595.2個股相關網路的全域網路特性與景氣差異的關聯 605.3個股相關網路的最小生成樹及區域網路特性與景氣差異的關聯 605.4個股相關網路的分層樹 62參考文獻 63 zh_TW dc.format.extent 4030133 bytes - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0103755001 en_US dc.subject (關鍵詞) 小世界網路 zh_TW dc.subject (關鍵詞) 景氣對策信號 zh_TW dc.subject (關鍵詞) 最小生成樹 zh_TW dc.subject (關鍵詞) 分層樹 zh_TW dc.subject (關鍵詞) small world network en_US dc.subject (關鍵詞) business indicators en_US dc.subject (關鍵詞) minimum spanning tree en_US dc.subject (關鍵詞) hierarchical tree en_US dc.title (題名) 藉由小世界股票網路探索不同景氣區間的差異性 zh_TW dc.title (題名) Exploring economy-realated differences by small-world stock networks en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) [1] Barabasi, A.-L., Albert, R.,1999, Emergence of scaling in random networks, Science 286, 509–512.[2] Barabasi, A.-L., Albert, R. ,2002,Statistical mechanics of complex networks, Rev. Mod. Phys.,volume 74:47-97.[3]Erdős, P.,A. Rényi. ,1976,On the evolution of random graphs, Selected Papers of Alfréd Rényi, volume 2: 482-525.[4] Duncan J. Watts,Steven H. Strogatz,1998,Collective dynamics of small-world networks,Nature 393, 440–442. [5] Lixia Tian, Jinhui Wang, Chaogan Yan, Yong He,2010,Hemisphere and gender-related differences in small-world brain networks: A resting-state functional MRI study, NeuroImage volume 54:191-202.[6]M.E.J.Newman,2004, Scientific collaboration networks. II. shortest paths, weighted networks, and centrality, Phys. Rev. E., volume 64, 016132.[7] Mantegna , 1999,Hierarchical structure in financial markets, Euro. Phys. J.B volume 11:193-197.[8] Giovanni Bonanno, 2003, Topology of correlation-based minimal spanning trees in real and model markets, Phys. Rev.E volume 68,046130.[9]N. Vandewalle, F.Brisbois, X.Tordoir, 2001, Self-organized critical topology, Quantit. Finan.[10] Chi K. Tse,A network perspective of the stock market, 2010,Journal of Empirical Finance volume 17:659-667.[11] Adrian Cho,2009, Econophysics: Still Controversial After All These Years ,Science:Volume 325, Issue 5939, pp. 408.[12] Michael Schulz ,2002,Statistical Physics and Economics: Concepts, Tools, and Applications,Springer.[13] Bonanno,2001,High-frequency cross-correlation in a set of stocks,Quantit. Finan. Volume 1:96-104.[14] Coronnello,C,Tumminello,M,Lillo,F,Micciche,S,Mantegna, R.N.,2005,Sector Identification in a Set of Stock Return Time Series Traded at the London Stock Exchange, Acta Physica Polonica B., volume 36, p. 2653.[15]J. P. Onnela,A. Chakraborti,K. Kaski, J. Kertesz, A. Kanto,2003, Phys. Rev. E volume 68, 056110.[16] Jun-Hong Lin,2016,Age-related differences on the functional connectivity of insular cortex: An approach based upon small-world theory,Master Thesis of Graduate Institute of Applied Physics, College of Science NCCU. zh_TW
