回顾二十年来的相关性、层级、网络和

Stanley，《世界国际航运市场的系统性风险和因果关系动力学》，Physica A：统计力学及其应用415（2014）43–53。【34】G.Marti，F.Nielsen，P.Donnat，《多元时间序列聚类的最佳copula传输》，2016年IEEE声学、语音和信号处理国际会议（ICASSP），IEEE，第2379–2383页。【35】F.Durante，R.Pappada，《通过kendall分布对时间序列进行聚类分析》，载于：加强数据分析与软计算之间的联系，Springer，2015年，第209-216页。[36]E.C.Brechmann等人，《分层Kendall连接函数与系统和操作风险建模》，博士论文，TUMünchen大学图书馆，2013年。[37]F.Durante，E.Foscolo，R.Pappadá，H.Wang，《通过尾部依赖度量的投资组合多元化战略》（2015年）。【38】H.Lohre，C.Rother，K.A.Sch"afer，《分层风险平价：多资产多因素分配中尾部依赖的会计，机器学习和资产管理》（2020）。【39】J.G.Brida，W.A.Risso，《多维最小生成树：道琼斯案例》，《物理学A：统计力学及其应用》387（2008）5205–5210。【40】G.S.Lee，M.A.Djauhari，《多维股票网络分析：埃斯库耶的RV效率方法》，载于：AIP会议记录，第1卷，第550–555页。【41】D.Hartman，J.Hlinka，《股票网络中的非线性》，arXiv预印本arXiv:1804.10264（2018）。【42】M.Tumminello，F.Lillo，R.N.Mantegna，《多元数据层次嵌套因子模型》，EPL（欧洲物理学通讯）78（2007）30006。【43】G.Marti，S.Andler，F.Niels en，P.Donnat，《金融时间序列：多长时间足够？》？，摘自：《第二十五届国际艺术情报联合会议论文集》，2016年国际艺术情报联合会议，2016年7月9日至15日，美国纽约州纽约市，第2583-2589页。【44】F.Musciotto，L.Marotta，S。

Michichè，R.N.Mantegna，《最小生成树链接的引导验证》，arXiv预印本arXiv:1802.03395（2018）。【45】G.Marti，CorrGAN：《使用生成性对抗网络对现实财务相关矩阵进行抽样》，摘自：ICASSP 2020-2020 IEEE声学、语音和信号处理国际会议（ICASSP），IEEE，第8459–8463页。【46】J.Papenbrock，P.Schwendner，M.Jaeger，S.Krügel，《矩阵进化：构建稳健投资组合的综合相关性和可解释机器学习》，SSRN（2020）提供。【47】M.Tumminello，F.Lillo，R.N.Mantegna，Kullback-leibler距离作为多元数据过滤信息的度量，Physical ReviewE 76（2007）031123。【48】J.Papenbrock，P.Schwendner，《利用相关制度和相关网络处理风险/风险-效果动态》，金融市场和投资组合管理29（2015）125–147。[49]D.B.Panton，V.P.Lessig，O.M.J oy，《国际股票市场的共同运动：分类学方法》，金融和量化分析杂志11（1976）415–432。【50】Z.Kakushadze，W.Yu，《统计行业分类》（2016年）。【51】M.Lopez de Prado，《理论隐含相关矩阵的估计》，SSRN（2019）提供。【52】M.Avellaneda，《层次PCA和投资组合管理应用》，墨西哥经济评论15（2020）1–16。【53】C.Borghesi，M.Marsili，S.Michichè，《通过市场模式的减法在财务回报中出现时域不变的相关结构》，《物理评论》E 76（2007）026104。【54】A.Sensoy，B.M.Tabak，《股票市场网络中的动态生成树：亚洲太平洋案例》，《物理学A：统计力学及其应用》414（2014）387–402。【55】M.C.Münnix、T.Shimada、R.Sch"afer、F.Leyvraz、T.H.Seligman、T.Guhr、H.E。

Stanley，《识别金融市场状态》，科学报告2（2012）644。【56】P.Rinn，Y.Stepanov，J.Peinke，T.Guhr，R.Sch"afer，《准静态系统动力学：以金融为例》，EPL（欧洲物理学通讯）110（2015）68003。【57】Y.Stepanov，P.Rinn，T.Guhr，J.Peinke，R.Sch"afer，《准稳态的稳定性和层次：以金融市场为例》，《统计力学杂志：理论与实验2015》（2015）P08011。【58】A.J.Heckens，S.M.Krause，T.Guhr，《揭示与集体市场运动相关的关联结构的动态》，arXiv预印本XIV：2004.12336（2020）。【59】E.Otranto，《通过基于模型的程序对异方差时间序列进行聚类》，计算统计与数据分析52（2008）4685–4698。【60】N.Whiteley，《通过波动率变化点的动态时间序列聚类》，arXiv预印本arXiv:1906.10372（2019）。【61】J.-P.Onnela，K.Kaski，J.Kertész，《基于相关性的金融网络中的聚类与信息》，欧洲物理杂志B-凝聚物质与复杂系统38（2004）353–362。【62】高永中，曾永明，蔡世民，《中国股市的影响力网络》，《统计力学杂志：理论与实验》2015（2015）P03017。【63】D.Y.Kenett、T.Preis、G.Gur Gershgoren、E.Ben Jacob，《依赖网络和节点影响：金融市场研究的应用》，国际分歧与混沌杂志22（2012）1250181。【64】T.V\'yrost，S。Lyócsa，E.Baum"ohl，《格兰杰因果关系股票市场网络：时间邻近性和优先依恋》，《Physica A：统计力学及其应用》427（2015）262–276。【65】C.Tu，《中国股市基于协整的金融网络研究》，Physica A：统计力学及其应用402（2014）245–254。【66】M.Tumminello，S.Michichè，F.Lillo，J.Piilo，R.N。

Mantegna，《二部复杂系统中的统计验证网络》，PloS one 6（2011）e17994。【67】K.Baltakys，J.Kanniainen，F.Emmert Streib，《统计验证的多层聚合：投资者网络的应用》，科学报告8（2018）8198。【68】J.v.L.de Jeude，T.As te，G.Caldarelli，《企业网络的多层结构》，arXiv预印本arXiv:1901.07411（2019）。【69】A.Denev，《概率图形模型：金融建模的新思维方式》，风险书籍，2015年。【70】C.Curme，M.Tumminello，R.N.Mantegna，H.E.Stanley，D.Y.Kenett，《领先-滞后相关性如何影响集体股票动力学的日内模式》，金融研究工作文件（2015年）。【71】C.Curme，M.Tumminello，R.N.Mantegna，H.E.Stanley，D.Y.Kenett，《经统计验证的金融日内超前-滞后关系的出现》，量化金融15（2015）1375–1386。【72】J.-P.Onnela，A.Chakraborti，K.Kaski，J.Kertesz，A.Kanto，《市场相关性动力学：分类法和投资组合分析》，物理评论E68（2003）056110。[73]L.Zhao，G-J、 Wang，M.Wang，W.Bao，W.Li，H.E.Stanley，《股票市场作为时间网络》，arXiv预印本arXiv:1712.04863（2017）。【74】G.Bonanno，F.Lillo，R.Mantegna等人，《一组股票的高频互相关》，定量金融1（2001）96–104。【75】N.F.Johnson、M.McDonald、O.Suleman、S.Williams、S.Howison，是什么撼动了外汇树？《理解货币支配、依赖和动态》（主旨演讲），发表于：SPIE第三届波动和噪声国际研讨会，国际光学和光子学学会，第86–99页。[76]Y.Zhang，G.H.T.Lee，J.C.Wong，J.L.Kok，M.Prusty，S.A.Chang，2010年美国经济会复苏吗？最小生成树研究，PhysicaA：统计力学及其应用390（2011）2020–2050。[77]J.Lee，J.Youn，W。

Chang，《韩国股市的日内波动性和网络拓扑特性》，Physica A：统计力学及其应用391（2012）1354–1360。[78]T.W.Epps，《短期内股票价格的共同变动》，《美国统计协会杂志》74（1979）291–298。【79】P.Borysov，J.Hannig，J.Marron，《增长维度层次聚类的渐近性》，《多元分析杂志》124（2014）465–479。【80】J.Bun，R.Allez，J.-P.Bouchaud，M.Potters，一般噪声矩阵的旋转不变估计，IEEE信息论交易62（2016）7475–7490。【81】J.Bun，J.-P.Bouchaud，M.Potters，《清理大型相关矩阵：随机矩阵理论的工具》，《物理报告》666（2017）1-109。【82】H.Meng，W.-J.Xie，Z.-Q.Jiang，B.Podobnik，W.-X.Zhou，H.E.Stanley，《美国住房市场的系统性风险和时空动态》，科学报告4（2014）3655。[83]J.-P.Onnela，A.Chakraborti，K.Kaski，J.Kertesz，动态资产树和黑色星期一，Physica A:统计力学及其应用324（2003）247–252。【84】J.-P.Onnela，A.Chakraborti，K.Kaski，J.Kertiész，D Dynamic asset trees and portfolio analysis，欧洲物理杂志B-Condensed Matterand Complex Systems 30（2002）285–288。[85]Y.Tang，J.J。Xiong，Z.-Y.Jia，Y.-C.Zhang，《金融网络拓扑动力学中的复杂性：新兴和发达股市建模》，复杂性2018（2018）。[86]D.Matesanz，G.J.Ortega，《欧洲主权公共债务危机》。网络分析，Physica a：统计力学及其应用436（2015）756–766。[87]W.-S.J ung，O.Kwon，F.Wang，T.Kaizoji，H.-T.Moon，H.E.Stanley，《日本市场集团动力学》，Physica A：统计力学及其应用387（2008）537–542。[88]R.K.-K.Pang，O.Granados，H.Chhajer，E.F。

Legara，《新冠肺炎期间主权债券收益率网络过滤方法分析》，arXiv预印本arXiv:2009.13390（2020）。[89]L.Guo，L.Peng，Y.Tao，J.Tu，《基于媒体网络的投资者关注：市场溢价的有力预测》（2018）。【90】T.Forss，P.Sarlin，《新闻情绪网络作为风险指标》，arXiv预印本arXiv:1706.05812（2017）。【91】S.R"onnqvist，P.Sarlin，《从文本到银行相互关系图》，i n：金融工程与经济计算智能（CIFEr），2104IEEE会议，IEEE，第48-54页。【92】S.R"onnqvist，P.Sarlin，《文本中的银行网络：相互关系、中心性和决定因素》，定量金融15（2015）1619–1635。【93】T.T.Souza，T.Aste，《通过结合社会和金融网络信息预测未来股市结构》，arXiv预印本arXiv:1812.01103（2018）。【94】G.Hoberg，G.Phillips，《基于文本的行业动力》（2017）。【95】J.Fan，K.Cohen，L.M.Shekhtman，S.Liu，J.Meng，Y.Louzoun，S.Havlin，《市场预测产品相似网络拓扑》，应用网络科学4（2019）1-15。【96】L.Wu，《供应链网络的中心性》（2015）。【97】A.Buraschi，P.Porchia，《动态网络与资产定价》，载于：AFA 2013圣地亚哥会议论文。【98】S.Agca，V.Babich，J.R.Birge，J.Wu，《供应链上的信用风险传播：来自cds市场的证据》，乔治敦麦克唐纳商学院研究论文（2017）。【99】E.Letizia，F.Lillo，《企业支付网络和信用风险评级》（2018年）。【100】A."Ozgür，B.Cetin，H.Bingol，路透社新闻联播网，《国际现代物理学杂志》C 19（2008）689–702。【101】P.Colla，A.Mele，《信息联系和相关交易》，《金融研究评论》23（2009）203–246。【102】H.N.Ozsoylev，J.Walden，M.D.Yavuz，R。

Bildik，《股票市场中的投资者网络》，《金融研究评论》27（2013）1323–1366。【103】K.Baltakys、J.Kanniainen、D.Pedreschi、F.Lillo等人，《围绕初始公共服务的投资者集群》，技术报告，arXiv。org，2019年。【104】C.Campajola，F.Lillo，D.Tantari，《揭示羊群效应和流动性与交易员Lead lag networks之间的关系》，arXiv预印本arXiv:1909.10807（2019）。【105】F.Pozzi，T.Di Matteo，T.Aste，《金融市场的风险分散：更好地投资周边地区》，科学报告3（2013年）。【106】V.Tol a，F.Lillo，M.Gallegati，R.N.Mantegna，《投资组合优化聚类分析》，《经济动力学与控制杂志》32（2008）235–258。【107】任福荣，吕耀南，李世平，蒋学富，钟立新，邱天全，《基于聚类方法的动态投资组合策略》，arXiv预印本arXiv:1608.03058（2016）。【108】G.Peralta，A.Zareei，《投资组合选择的网络方法》，《实证金融杂志》（2016年）。【109】A.Hüttner，J.-F.Mai，S.Mineo，《基于图表的投资组合选择：它是否与马科维茨最优投资组合一致？》？，相关性建模（2018）。【110】C.Dose，S.Cincotti，《金融时间序列聚类与指数应用和增强指数跟踪组合》，Physica A：统计力学及其应用355（2005）145–151。【111】E.Baitinger，J.Papenbrock，《互联风险与主动投资组合管理》（2016）。【112】D.León、A.Aragón、J.Sandoval、G.Hernández、A.Arévalo、J.Ni~no，《风险调整投资组合构建的聚类算法》，Promedia ComputerScience 108（2017）1334–1343。【113】J.Gava、W.Lefebvre、J.Turc，《超越政府债券的利差和动量》，见SSRN 3446653（2019）。【114】T.Raffinot，《基于分层聚类的资产配置》，见SSRN 2840729（2016）。[115]T。

Ra ffinot，分层等风险贡献投资组合，见SSRN 3237540（2018）。【116】M.Lopez de Prado，《构建表现优于样本外的多元化投资组合》（2016）。【117】M.L.de Prado，《金融机器学习进展》，约翰·威利父子出版社，2018年。【118】J.P fitzinger，N.Katzke等人，《基于集群的资本分配的约束层次风险平价算法》，技术报告，2019年。【119】P.Jain，S.Jain，基于机器学习的投资组合能否优于传统的基于风险的投资组合？需要考虑协方差误判，风险7（2019）74。【120】E.J.Elton，M.J.Grub er，《通过设计同质组改进预测》，《商业杂志》44（1971）432–450。【121】R.Sandhu、T.Georgiou、A.Tannenbaum，《市场脆弱性、系统风险和里奇曲率》，arXiv预印本arXiv:1505.05182（2015）。【122】N.Musmeci，T.Aste，T.Di Matteo，《过去市场相关性结构变化与未来波动性爆发之间的相互作用》，科学报告6（2016）。【123】H.Chen，L.Cohen，D.Lou，《行业粉饰》，《金融研究评论》29（2016）3354–3393。【124】P.Krüger，A.Landier，D.Thesmar，《股票市场的分类偏差》，SSRN 2034204（2012）。【125】G.Hoberg、G.Phillips，《股票市场、产品独特性和同行企业的共同行动》，SSRN eLibrary（2012）。[126]M.Lopez de Prado，M.J.Lewis，《使用无监督学习方法检测虚假投资策略》（2018）。【127】A.Cordoba，C.Castillejo，J.J.GarcíA-Machado，A.M.Lara，《预测复杂网络的突变：库存指数价格的大幅下跌》，摘自《非线性系统》，第1卷，Springer，2018年，第317-338页。【128】A.Spelta，《利用张量分解和链接预测的金融市场可预测性》，应用网络科学2（2017）7。[129]M.Tumminello，R.Mantegna，F。

Lillo，相关矩阵的收缩和光谱滤波：通过Kullback-Leibler距离进行的比较，波兰实蝇。系列B 39（2008）4079–4088。【130】D.Harmon，B.Stacey，Y.Bar Yam，Y.Bar Yam，《经济市场相互依存和系统性风险网络》，arXiv预印本arXiv:1011.3707（2010）。【131】D.Lautier，F.Raynaud，《能源衍生品市场的系统性风险：图论分析》，SSRN 1579629（2011）。【132】B.Bhattacharjee，M.Shafi，A.Acharjee，《基于网络挖掘的亚洲地区跨市场集群和连通性动态阐释：mst和层次聚类方法》，沙特国王大学计算机与信息科学杂志（2017年）。【133】B.Bhattacharjee，M.Shafi，A.Acharjee，《利用网络模型和测度研究股票市场之间联动机制的演变：亚洲股票市场一体化案例》，数据2（2017）41。【134】N.Musmeci，T.Aste，T.Di Matteo，《风险分散：用过滤相关网络方法研究持久性》，金融网络理论1（2015）77–98。【135】W.-Q.Huang，X.-T.Zhuang，S.Yao，S.Uryasev，《金融机构系统风险贡献的金融网络视角》，Physica A：统计力学及其应用456（2016）183–196。【136】T.Squartini，I.Van Lelyveld，D.Garlaschelli，《银行间网络拓扑崩溃的预警信号》，科学报告3（2013）。【137】S.Battiston、J.D.Farmer、A.Flache、D.Garlaschelli、A.G.Haldane、H.Heesterbeek、C.Hommes、C.Jaeger、R.May、M.Scheffer，《复杂性理论与金融监管》，科学351（2016）818–819。【138】A.Almog，E.Shmueli，《结构熵：随着时间的推移监测基于相关性的网络，并将其应用于金融市场》，科学报告9（2019）1–13。【139】G.Cimini，T.Squartini，D.Garlaschelli，A。

Gabrielli，《重建经济和金融网络的系统性风险分析》，科学报告5（2015）。【140】F.Durante，R.Pappadá，N.Torelli，《风险情景下的金融时间序列聚类》，数据分析和分类进展8（2014）359–376。【141】R.Morales，T.Di Matteo，T.Aste，《金融时间序列的依赖结构和标度特性相关》，科学报告4（2014）。【142】R.Buonocore、R.Mantegna、T.Di Matteo，《多尺度和平均互相关之间的相互作用》，arXiv预印本arXiv:1802.01113（2018）。【143】W.Barfuss，G.P.Massara，T.Di Matteo，T.Aste，《信息过滤网络的简约建模》，Physical Review E 94（2016）062306。【144】M.Elshendy，A.Fronzetti Colladon，《经济新闻的大数据分析：预测宏观经济指标的提示》，国际工程企业管理杂志9（2017）1847979017720040。【145】H.Takayasu，《经济物理学的实际成果》，斯普林格出版社，2006年。【146】R.Cont，《资产回报的经验性质：程式化事实和统计问题》（2001年）。【147】S.Drozdz，F.Grummer，A.Górski，F.Ruf，J。Speth，《股票市场中集体与噪音之间的竞争动力学》，Physica A：统计力学及其应用287（2000）440–449。【148】N.Vandewalle，F.Brisbois，X.Tordoir等，《股票市场的非随机拓扑》，定量金融1（2001）372–374。【149】H.Kim，I.Kim，Y.Lee，B.Kahng，《股票市场无标度网络》，韩国物理学会杂志40（2002）1105-1108。【150】G.Bonanno，G.Caldarelli，F.Lillo，R.N.Mantegna，《真实和模型市场中基于相关性的最小生成树拓扑》，Physical ReviewE 68（2003）046130。【151】M.Tumminello，T.Di Matteo，T.Aste，R。