-
题名基于复杂网络视角的金融指数跟踪最优化研究
被引量:1
- 1
-
-
作者
刘海飞
钱泽宇
许金涛
-
机构
南京大学工程管理学院
-
出处
《经济问题》
CSSCI
北大核心
2018年第2期35-42,56,共9页
-
基金
国家自然科学基金项目(71101068
71171109)
+2 种基金
中央高校基本科研业务费专项资金资助(011814380027)
江苏省自然基金面上项目(BK20161398)
江苏省金融工程重点实验室课题(NSK2015-09)
-
文摘
以复杂网络视角,采用自适应仿射传播聚类算法,从沪深300指数中选择分散化程度高的聚类中心作为标的,同时对比市值排序选股和权重排序选股,构建二次指数跟踪最优化模型,并进行实证分析与稳健性检验。研究发现:复杂网络聚类选股方法只需50只以内股票,即可实现较高精度的沪深300指数跟踪;当股票数量选择31只时,AAP聚类的误差相对较小且股票数目适中,样本内31只股票的日均跟踪误差为6.35×10^(-5),分别比市值排序和权重排序降低了36.50%和24.85%,样本外31只股票的日均跟踪误差为3.10×10^(-4),比其余两种方法分别降低了45.33%和38.74%;在稳定性检验中,当股票数介于5~35只之间时,AAP聚类选股进行指数跟踪优于其他两种选股的可能性超过80%,表明跟踪结果具有良好的稳健性。
-
关键词
复杂网络
聚类选股
指数跟踪
自适应仿射传播聚类
日均跟踪误差
-
Keywords
social network
stock clustering selection
index tracking
adaptive affinity propagation clustering
average tracking error
-
分类号
F830.2
[经济管理—金融学]
-