通过非线性研究揭示股票收益率之间的网络

在我们的分析中，研究了不同行业股票的部门分布。工业制造业6%水泥和水泥产品6%服务业2%汽车11%消费品16%医药11%金融服务16%能源11%电信3%金属7%建筑2%IT7%化工1%化肥&…图2：所有3916对股票在不同时间跨度内的相关系数分布，左图对应选举前时期，选举期间的中心图和选举后期间的最右侧图图3：对应于（a）选举前、（b）选举和（c）选举后期间的相关系数的特征值分布。直方图对应于经验概率分布，实线对应于理论pdf。图4：各股票收益率重组后获得的替代数据上相关系数的特征值分布。（a） ，（b）和（c）是通过在1个此类代理数据集上进行测试，对应于选举前、选举中和选举后期间的图。（a） ，（b）和（c）是对应于集合替代数据集上的选前、选中和选后期间的图，即重复一次此类试验50次。直方图对应于经验概率分布，实线对应于理论pdf。图5：条形图表示三个时间跨度内对应于三个最大特征向量的每个股票的特征向量分量。（a） ，（d）和（g）分别对应于最大特征向量，（b），（e）和（h）分别对应于第二大特征向量和（c），（f）和（i）分别对应于选举前、选举和选举后期间的第三个特征向量。

x轴上的股票按部门排列，A：汽车、B：消费品、C：医药、D：金融服务、E：能源和F：IT部门。图6:2014年1月至2月期间，即印度大选前期间，基于相关系数法的89只股票网络。不同的颜色代表不同的扇区，而且节点的大小与节点的度数成正比，边缘的宽度与两个节点之间的距离成反比。图7:2014年3月、4月、5月，即印度选举期间，基于相关系数法的89只股票网络。不同的颜色代表不同的部门，而且节点的大小与节点的程度成正比，边缘的宽度与两个节点之间的距离成反比。图8：2014年6月至12月期间，即印度选举后期间，基于相关系数法的89支股票网络。不同的颜色代表不同的扇区，而且节点的大小与节点的度数成正比，边缘的宽度与两个节点之间的距离成反比。图9:2014年1月至2月期间，即印度选举前期间，基于互信息法的89只股票网络。不同的颜色代表不同的扇区，而且节点的大小与节点的度数成正比，边缘的宽度与两个节点之间的距离成反比。图10:2014年3月、4月、5月，即印度选举期间，基于互信息法的89只股票网络。

不同的颜色代表不同的扇区，而且节点的大小与节点的度数成正比，边缘的宽度与两个节点之间的距离成反比。图11:2014年6月至12月期间，即印度选举后期间，基于互信息法的89只股票网络。不同的颜色代表不同的扇区，而且节点的大小与节点的度数成正比，边缘的宽度与两个节点之间的距离成反比。图12：所有3916对之间的归一化互信息与相应的相关系数三个不同的时间跨度，（a）选举前，（b）选举，（c）选举后。图13：对应于所有12个网络的度分布。01020304050607080901000科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA FPCA科里KPCA FPCA科里KPCA FPCA FPCA科里KPCA FPCA科里KPCA FPCA科里KPCA FPCA