世界股票市场网络的出现

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Emergence of world-stock-market network》
---
作者：
M. Saeedian, T. Jamali, M. Z. Kamali, H. Bayani, T. Yasseri and G.R.
  Jafari
---
最新提交年份：
2017
---
英文摘要：
  In the age of globalization, it is natural that the stock market of each country is not independent form the other markets. In this case, collective behavior could be emerged form their dependency together. This article studies the collective behavior of a set of forty influential markets in the world economy with the aim of exploring a global financial structure that could be called world-stock-market network. Towards this end, we analyze the cross-correlation matrix of the indices of these forty markets using Random Matrix Theory (RMT). We find the degree of collective behavior among the markets and the share of each market in their structural formation. This finding together with the results obtained from the same calculation on four stock markets reinforce the idea of a world financial market. Finally, we draw the dendrogram of the cross-correlation matrix to make communities in this abstract global market visible. The dendrogram, drawn by at least thirty percent of correlation, shows that the world financial market comprises three communities each of which includes stock markets with geographical proximity.
---
中文摘要：
在全球化时代，每个国家的股票市场都不是独立于其他市场的，这是很自然的。在这种情况下，集体行为可能会从他们的依赖关系中产生。本文研究了世界经济中40个有影响力的市场的集体行为，旨在探索一个可以称为世界股票市场网络的全球金融结构。为此，我们使用随机矩阵理论（RMT）分析了这40个市场指数的互相关矩阵。我们发现了市场之间的集体行为程度以及每个市场在其结构形成中的份额。这一发现加上对四个股票市场的同一计算结果，强化了世界金融市场的概念。最后，我们绘制了互相关矩阵的树状图，以使这个抽象的全球市场中的社区可见。该树状图由至少30%的相关性绘制，表明世界金融市场由三个社区组成，每个社区都包括地理位置相近的股票市场。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> Emergence_of_world-stock-market_network.pdf (155.54 KB)

2022-5-31 06:57:33 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：股票市场 股票市 Quantitative Geographical Econophysics

世界股票市场网络的出现。Saeedian，T.Jamali，M.Z.Kamali，H.Bayani，T.Yasseri4,5和G.R.Jafari1,6,7德黑兰埃文沙希德·贝赫什蒂大学物理系，G.C.，伊朗基础科学研究所（IPM），伊朗物理学院，德黑兰伊斯兰阿扎德大学德黑兰科学研究分院，德黑兰，伊朗诺克斯福德互联网研究所，牛津大学，圣吉尔斯1号，牛津大学OX13JS分校，英国图灵研究所，伦敦，英国脑与认知科学研究所（IBCS），沙希德·贝赫什蒂大学，G.C.，埃文，德黑兰19839，中欧大学网络科学伊兰中心，匈牙利布达佩斯H-1051，全球化时代，很自然，每个国家的股票市场并不独立于其他市场。在这种情况下，集体行为可能会从他们的依赖中产生。本文研究了世界经济中四十个金融市场的集体行为，旨在探索一个可以称为世界股市网络的全球金融结构。为此，我们使用随机矩阵理论（R MT）分析了这些40个市场指标的互相关矩阵。我们发现市场之间的集体行为程度以及每个市场在其结构形成中所占的份额。这一发现以及对四种股票市场的相同计算结果，强化了世界金融市场的理念。最后，我们绘制了互相关矩阵的树状图，以使这个抽象的全球市场中的社区可见。

由至少30%的相关性绘制的树状图显示，世界金融市场由三个社区组成，每个社区都包括地理位置相近的股票市场。引言人们可以用不同的尺度来看待经济世界：全球尺度、国家尺度等。在国家尺度上观察到的是，一个国家的经济制度之间的相关性导致了该国经济的出现。这种状态表明了所有社会结构的共同特征：在一定尺度上，一些相关的金融单位，构建更大规模的财务结构。re是充分的证据，例如一国经济衰退对其他国家的影响，证明了不同国家经济之间的相关性。因此，考虑到每个国家都是一个中央单位，我们希望有一个全球规模的金融结构，其组成部分是不同国家的股票市场。我们把这种抽象的结构称为“世界股票市场”。这里出现了两个问题：（i）如何确定这个全球市场的存在，以及（ii）它的社区是什么？关于每个股票市场的主要特征，可以解决的第一个问题是集体行为的出现。因此，如果存在一个世界股票市场，那么就应该有一个能够展示该市场组成部分的集体行为。在经济物理学文献中，研究集体行为的常用方法是使用随机矩阵理论1-4分析股票收益的互相关矩阵C。由于RMT描述的是一个完全随机的系统，因此任何偏离它的地方都包含了有关市场组成部分之间集体行为的信息，如5-12。在此，我们提出了一种基于RMT的集体行为测量方法。

为了生成随机矩阵，我们简化了C的非对角元素。这一过程会消除市场成分之间现有的相关模式，从而消除集体行为。因此，我们希望通过比较C的统计特征与shuf fled C的统计特征，获得关于市场集体行为的有价值信息。在所有特征中，我们使用参与比（一种用于估计矩阵8,13的eige投资者中重要参与者数量的工具）并开发两个新数量，称为相对参与比（RPR）和节点参与比（NPR），将在方法部分中描述。第一个数量衡量市场中集体行为的程度，第二个数量决定了每个市场的组成部分在衡量的集体行为中所占的份额。RPR可用于根据不同市场的集体行为程度对其进行排名。NPR决定了一个市场的组成部分在多大程度上独立于整个市场的集体行为。它可以用于根据市场要素的独立性级别对其进行排名。我们将所提出的方法应用于2000年1月至2015年10月世界经济中40个流动市场的指数，以寻求全球金融结构。结果证明了这种结构的存在。为了支持我们的结论，我们展示了世界股票市场与四个市场之间的相似性，其中包括两个发达市场和两个新兴市场。

世界股票市场和这四个市场的共同特征之一是市场名称市场名称国家市场名称国家布宜诺斯艾利斯证券交易所（MERVAL）阿根廷墨西哥证券交易所（MXX）墨西哥证券交易所（S&P/ASX 200VIX）澳大利亚阿姆斯特丹证券交易所（ASE）荷兰奥地利交易指数（ATX）奥地利奥斯陆证券交易所（OSE）诺威布鲁塞尔证券交易所（BEL 20）比利时卡拉奇证券交易所有限公司（KSE）巴基斯坦巴尔萨德瓦洛雷斯、梅尔卡多里亚和未来（BM&F Bovespa）巴西利马巴洛雷斯证券交易所（BVL）秘鲁多伦多证券交易所（S&P/TSX）加拿大菲律宾证券交易所（PSE）菲律宾上海证券交易所（SSE）*中国卡塔尔证券交易所（QSE）卡塔尔哥本哈根证券交易所（OMXCopenhagen 20）丹麦莫斯科银行间货币交易所（MICEX）俄罗斯金融时报证券交易所（FTSE）*英国塔达武尔综合股价指数（TASI）沙特阿拉伯股票市场（CAC 40）法国约翰内斯堡股票交易所（JSELimited）南非德意志股票交易所（DAX）德国Indice Burs\'atil Espanol（IBEX）斯宾汉指数（HIS）香港科伦坡股票交易所（CSE）斯里兰卡孟买股票交易所（BSE）印度斯德哥尔摩股票交易所（OMXStockholm 30）瑞典雅加达股票交易所（JSX）印尼瑞士市场指数（SMI）瑞士证券交易所（TSE）*伊朗台湾证券交易所公司（TWSE）台湾爱尔兰证券交易所（ISE）爱尔兰博尔萨伊斯坦布尔证券交易所（BIST）土耳其博尔萨意大利证券交易所（SpA）意大利道琼斯工业平均指数（DJIA）美国东京证券交易所（日经225）日本标准普尔500指数（标准普尔500指数）*韩国综合股价指数（KOSPI）韩国纳斯达克股票市场（Nasdaq）马来西亚证券交易所（FBM KLCI）马来西亚苏黎世证券交易所（ESTX50）苏黎世表1。40个股票市场及其对应国家的名称，按照国家名称的字母顺序列出。

在全球所有股票市场中，我们根据GDP和地理因素选择这些市场。用星号表示的四个市场研究了两次：一次作为全球市场的组成部分，一次作为独立市场。存在一些几乎独立于其他成分进化的成分。为了解决第二个问题，更好地理解世界股票市场的相关效应，我们使用了树状图分析。结果显示，三个主要社区以及一些孤立的股票市场受危机影响较小，受繁荣影响较大。结果与讨论在这里，本研究提出的方法首次应用于40个股票市场指数，以追踪全球经济结构。表中列出了这些市场及其对应的国家/地区。根据国内生产总值（GDP）和地理因素选择市场。然后，我们将我们的方法应用于四个股票市场，用星号符号表示。1、观察相似的结构，但尺度较低。作为世界股票市场的四十个市场研究市场集合行为的常用方法是基于RMT结果及其与市场结果的偏差。最近，两位作者介绍了另一种基于分形高斯噪声的准则。市场的特征分布不同于RMT分布；re是RMT体区外的一些特征值。这些偏离特征值包含有关集体行为的有用信息。更准确地说，大特征值表示市场趋势，最大特征值表示市场中最大的集体模式，见。g、 ，8，9，11，15。

接下来，我们以本文提出的方法为基础，研究了一个名为“世界股票市场”的抽象市场中的集体行为。假设存在一个由40个市场组成的世界股票市场，一个c a n然后构建相应的互相关矩阵c及其对应的Csh。为此，我们使用了2000年1月至2015年10月期间这四十个市场的指数数据。在对角化C和Csh之后，然后使用公式（4）获得参与比PK。图e 1（a）显示了世界股票市场的PRs及其简化版本。从该图中可以看出，在相对参与率δ的平均收益率方面，shuf基金的PR大于市场≈ 0.5。此编号2/0 5 10EIGNVALUE 0.20.40.60.8参与率市场随机调整（a）10 20 30 40市场（排序）0.20.40.60.8节点参与率市场随机调整（b）图1。（a） 参与比率和（b）由TAB的40个市场组成的世界股票市场的节点参与比率。1沿着相应的shuf FLED比率。代表四十个市场的集体行为程度。在下一小节中，我们将对四个股票市场进行同样的计算。在表明这40个市场中存在集体行为后，我们使用NPR参数r，公式（6）发现该行为中每个市场的sh值。图1（b）描述了世界股票市场的NPR，其中4000万个市场根据其NPR值进行了分类。左边的市场更独立于世界股票市场，而右边的市场更依赖于市场的集体行为。该图还显示了shuf fling对NPR的影响。

这里值得注意的结果是，位于图1（b）左侧的低NPR市场降低了世界港口的风险，因为它们比其他市场具有更高的独立性水平，因此在发生危机时，它们受世界贸易的影响较小。图2（a）是2008年金融危机后世界股市互相关矩阵的树状图。该树状图显示了全球40个指数市场中的三个群落，根据它们的相关距离，分别用红色、绿色和蓝色表示。市场之间至少有30%的相关性突出了集群。观察这些社区的组成部分可以说明它们之间地理关系的影响。红色、蓝色和绿色社区主要由分别位于东亚、欧洲和美洲大陆的市场组成。黑色市场是那些相关性不到30%的市场。se市场是NPR较少的市场，是亚洲国家，即中国、伊朗、巴基斯坦、卡塔尔、沙特阿拉伯和斯里兰卡。图2（b）是世界股票市场的corss correlationmatrix，其行和列按照图2（a）的树状图模式重新排列。每个方形单元格的颜色表示两个市场之间的互相关值。在矩阵的二元对角线周围可以清楚地观察到三个群落。四个市场。我们将所提出的方法应用于四个股票市场的指标，其中标准普尔500指数（美国）和《金融时报》股票交易所100指数（英国）为发达市场，上海证券交易所180指数（中国）和德黑兰股票交易所（伊朗）为新兴市场。

这些市场的数据与40个市场的数据相同。图3（a）显示了这些市场的相对参与率δ。请注意，为了在不同的市场之间进行正确的比较，在使用公式5之前，这些市场的PRs通过m市场的规模进行归一化。由于δ表示市场中集体行为的程度，图3（a）显示，在四大市场中，标准普尔500指数公司的集体行为程度最高。标准普尔500指数中存在着一种强烈的集体氛围，这可以通过这种方式加以说明。图3（b）以如图1（b）所示的排序方式显示了每个市场的归一化NPR。这一曲线给出了每个公司在市场集体行为中的份额。另一个值得注意的点是，集体行为的程度δ并不取决于市场的类型，例如，尽管上证所180和东京证交所是新兴市场，但它们的δ比发达市场富时100指数大。图3（b）中的绿色实线表示shuf fling对S&P500 NPR的影响，这与图1（b）中的isobserved完全相似。为了更准确地确定公司在集体行为中的贡献，我们还计算了节点独立性的概率密度函数（PDF），它是NPR的逆函数。图4（a）-4（d）a展示了节点独立性的PDF，有趣的是展示了肥尾行为。