一种基于文本互信息的金融复杂网络模型

复杂网络能够解决许多金融问题,能够发现金融市场的拓扑结构特征,反映不同金融主体之间的相互依赖关系.相关性度量在金融复杂网络构建中至关重要.通过将多元金融时间序列符号化,借鉴文本特征提取以及信息论的方法,定义了一种基于文本互信息的相关系数.为检验方法的有效性,分别构建了基于不同相关系数(Pearson和文本互信息)和不同网络缩减方法(阈值和最小生成树)的4个金融复杂网络模型.在阈值网络中提出了使用分位数来确定阈值的方法,将相关系数6等分,取第4部分的中点作为阈值,此时基于Pearson和文本互信息的阈值模型将会有相近的边数,有利于这两种模型的对比.数据使用了沪深两地证券市场地区指数收盘价,时间从2006年1月4日至2016年12月30日,共计2673个交易日.从网络节点相关性看,基于文本互信息的方法能够体现出大约20%的非线性相关关系;在网络整体拓扑指标上,本文计算了4种指标,结果显示能够使所保留的节点联系更为紧密,有效提高保留节点的重要性以及挖掘出更好的社区结构;最后,计算了阈值网络的动态指标,将数据按年分别构建网络,缩减方法只用了阈值方法,结果显示本文提出的方法在小世界动态和网络度中心性等指标上能够成功捕捉到样本区间内存在的两次异常波动.此外,本文构建的地区金融网络具有服从幂律分布、动态稳定性、一些经济欠发达地区在金融地区网络中占据重要地位等特性.     

确定度分布条件下可变同配系数的算法构造与影响分析

复杂网络是现实中大量节点和边的抽象拓扑, 如何揭示网络内部拓扑对网络连通性、脆弱性等特征的影响是当前研究的热点. 本文在确定度分布的条件下, 根据Newman提出的同配系数的定义分析其影响因素. 首先在可变同配系数下分别提出了基于度分布的确定算法和基于概率分布的不确定算法, 并分别在三种不同类型的网络(Erdös-Rényi网络, Barabási-Albert网络, Email真实网络)中验证. 实验结果表明: 当网络规模达到一定程度时, 确定算法优于贪婪算法. 以此为基础, 分析了同配系数改变时聚类系数的变化, 发现两者之间存在关联性, 并从网络的微观结构变化中揭示了聚类系数变化的原因.     

基于领域相似度的复杂网络节点重要度评估算法

节点重要性度量对于研究复杂网络鲁棒性与脆弱性具有重要意义.大规模实际复杂网络的结构往往随着时间不断变化,在获取网络全局信息用于评估节点重要性方面具有局限性.通过量化节点局部网络拓扑的重合程度来定义节点间的相似性,提出了一种考虑节点度以及邻居节点拓扑重合度的节点重要性评估算法,算法只需要获取节点两跳内的邻居节点信息,通过计算邻居节点对之间的相似度,便可表征其在复杂网络中的结构重要性.基于六个经典的实际网络和一个人工的小世界网络,分别以静态与动态的方式对网络进行攻击,通过对极大连通系数与网络效率两种评估指标的实验结果对比,证明了所提算法优于基于局域信息的度指标、半局部度指标、基于节点度及其邻居度的WL指标以及基于节点位置的K-shell指标.     

基于随机矩阵的金融网络模型

随机矩阵理论运用于金融领域中研究金融相关系数矩阵的相关性,相关系数矩阵是网络构建中的关键因素,本文将随机矩阵理论与网络构建相结合,研究基于随机矩阵的金融网络模型.本文选取上海证券市场的股票数据,将其中的股票数据分成四个阶段,基于随机矩阵理论,讨论金融相关系数矩阵和随机矩阵的特征值统计性质,并在此基础上对现有的去噪方法进行改进,建立更适合构建金融网络的相关系数矩阵,并构建金融网络模型.然后,基于随机矩阵理论和网络的关键节点分析比较去噪前后的金融网络以及噪声网络,发现对网络去噪后仍保留了原始网络的关键重要的信息,而噪声信息对应的是原始网络中度比较小的节点所代表的信息.最后,基于去噪网络,分析金融网络的拓扑结构,如最小生成树、模体和社团结构,发现改进后的金融网络的拓扑性质更加明显,结构更加紧密.     

基于节点拓扑特征的中国基金公司共持网络持股行为波动相关性

选取2003—2012年期间半年度中国基金公司持上市公司股票份额面板数据为样本数据,以基金公司为节点,以同一时刻共持同一家上市公司股票关系为边,以同一时刻共持的上市公司数量为权重,构建中国基金公司共持关系结构等价加权网络(简称共持网络).结合统计物理学等方法,分析了共持网络的拓扑结构稳定性及具有不同拓扑特征值的节点随时间演变过程中与共持网络中三类节点集合持股行为波动相关性.三类节点集合分别为t-1时刻基于某一股票形成的共持关系完全连通子图节点集合(第一类节点集合)、t-1时刻共持网络中非完全连通子图的节点集合(第二类节点集合)、t时刻新进入共持网络的节点集合(第三类节点集合).分析结果显示:1)节点与第二类节点集合持股行为波动呈正相关,且相关系数随着节点集聚系数的增强而增大;2)只有当节点的度和点强度值较高时,节点与第一类和第二类节点集合的持股行为呈正相关;3)不同拓扑特征条件下的节点与第三类节点集合的持股行为均不存在波动相关性.本文提供了一个研究持股行为相关性的新思路,并为进一步研究股票市场结构等价网络及节点重要性差异提供了基础.     

交织型层级复杂网

为研究两个异质关联网络复合后的结构特征与节点中心性特征,本文提出了交织型层级复杂网络的概念,可描述由两个具有部分相同节点,连接边属性近似的子网所构成的层级复杂网络,并定义了节点交织系数、路径交织系数和网络交织系数3种测度用于衡量两个子网之间的密切程度.针对该类网络,研究并改进了节点度中心性和介数中心性的计算方法,同时提出一种新的中心性指标—助联性,用于衡量子网的某一节点对另一子网联通性和流通性的助益.通过实验分析,验证了本文各类指标的有效性.     

基于自规避随机游走的节点排序算法

评估复杂网络系统的节点重要性有助于提升其系统抗毁性和结构稳定性. 目前, 定量节点重要性的排序算法通常基于网络结构的中心性指标如度数、介数、紧密度、特征向量等. 然而, 这些算法需要以知晓网络结构的全局信息为前提, 很难在大规模网络中实际应用. 基于自规避随机游走的思想, 提出一种结合网络结构局域信息和标签扩散的节点排序算法. 该算法综合考虑了节点的直接邻居数量及与其他节点之间的拓扑关系, 能够表征其在复杂网络系统中的结构影响力和重要性. 基于三个典型的实际网络, 通过对极大连通系数、网络谱距离数、节点连边数和脆弱系数等评估指标的实验对比, 结果表明提出的算法显著优于现有的依据局域信息的节点排序算法.     

等距离耦合腔系统中的非局域性

本文研究的物理系统由3个二能级原子和3个等距离单模腔构成. 3个单模腔分别处于等边三角形的3个顶点, 腔与腔之间通过光纤耦合. 采用Mermin-Ardehali-Belinksii-Klyshko不等式(简称MABK不等式)表征三体量子态的非局域性. 本文利用数值计算方法, 研究了原子初态或腔场初态为W态情况下三体系统量子态的MABK不等式违背, 讨论了腔模与光纤模间的耦合系数变化对MABK不等式违背的影响. 计算结果表明: 三原子量子态和三腔场量子态均呈现出MABK不等式违背, 并且随腔模与光纤模间耦合系数增大, 三原子量子态的非局域性增强.     

一种基于点和边差异性的网络结构熵

熵是反映网络异构性的重要指标. 由于只是关注网络结构中"点"或"边"的单一作用,基于度分布和度相对值的两种传统熵在刻画网络结构特征时均存在缺陷. 文章综合考虑"点"和"边"差异性,定义一种新的网络结构熵,并对规则网络、随机网络和无标度网络等结构熵进行理论分析和仿真实验. 结果表明,这种新网络结构熵可以更有效地反映网络的结构特征,尤其是对于稀疏网络及星型网络的结构差异解释更为合理. 关键词： 均匀网络 无标度网络 熵     

基于度与集聚系数的网络节点重要性度量方法研究

网络中节点重要性度量对于研究网络的鲁棒性具有十分重要的意义. 研究者们普遍运用度或集聚系数来度量节点的重要程度, 然而度指标只考虑节点自身邻居个数而忽略了其邻居之间的信息, 集聚系数只考虑节点邻居之间的紧密程度而忽略了其邻居的规模. 本文综合考虑节点的邻居个数, 以及其邻居之间的连接紧密程度, 提出了一种基于邻居信息与集聚系数的节点重要性评价方法. 对美国航空网络和美国西部电力网进行的选择性攻击实验表明, 采用该方法的效果较k-shell指标可以分别提高24%和112%. 本文的节点重要性度量方法只需要考虑网络局部信息, 因此非常适合于对大规模网络的节点重要性进行有效分析. 关键词： 网络科学 鲁棒性 节点重要性 集聚系数     

有倾向性重连产生的反匹配网络

在具有网络结构的系统中度关联属性对于动力学行为具有重要的影响, 所以产生适当度关联网络的方法对于大量网络系统的研究具有重要的作用. 尽管产生正匹配网络的方法已经得到很好的验证, 但是产生反匹配网络的方法还没有被系统的讨论过. 重新连接网络中的边是产生度关联网络的一个常用方法. 这里我们研究使用重连方法产生反匹配无标度网络的有效性. 我们的研究表明, 有倾向的重连可以增强网络的反匹配属性. 但是有倾向重连不能使皮尔森度相关系数下降到-1, 而是存在一个依赖于网络参数的最小值. 我们研究了网络的主要参数对于网络度相关系数的影响, 包括网络尺寸, 网络的连接密度和网络节点的度差异程度. 研究表明在网络尺寸大的情况下和节点度差异性强的情况下, 重连的效果较差. 我们研究了真实Internet网络, 发现模型产生的网络经过重连不能达到真实网络的度关联系数.     

无标度立体Koch网络的建立及其结构性质研究

根据经典Koch曲线的构造,利用四面体作为迭代基元构造了一种立体Koch网络并对其结构性质做了研究,给出了该网络的度分布函数,计算了该网络的团簇系数、平均最短路径长度以及度关联函数.结果表明,所构建的网络是无标度网络,度分布临界指数γ≈3.32;其团簇系数趋向于常数值0.870435;平均路径长度与网络尺寸的对数呈正比关系,说明该网络具有小世界网络特性.另外,计算结果表明knn(k)随k的变化而变化,说明该Koch网络具有一定的度关联性.     

Pair correlations in scale-free networks

Correlation between nodes is found to be a common and important property in many complex networks. Here we investigate degree correlations of the Barabasi－Albert (BA) scale-free model with both analytical results and simulations, and find two neighbouring regions, a disassortative one for low degrees and a neutral one for high degrees. The average degree of the neighbours of a randomly picked node is expected to diverge in the limit of infinite network size. As a generalization of the concept of correlation, we also study the correlations of other scalar properties, including age and clustering coefficient. Finally we propose a correlation measurement in bipartite networks.     

一种可大范围调节聚类系数的加权无标度网络模型

在Barrat, Barthélemy 和 Vespignani (BBV)加权无标度网络模型的基础上，提出了一种可大范围调节聚类系数的加权无标度网络模型——广义BBV模型(GBBV模型).理论分析和仿真实验表明，GBBV模型保留了BBV模型的许多特征，节点度、节点权重和边权值等都服从幂律分布.但是，GBBV模型克服了BBV模型只能小范围调节聚类系数的缺陷，从而可以用于具有大聚类系数网络的建模. 关键词： 无标度网络 加权网络 聚类系数     

The effects of degree correlations on network topologies and robustness

Complex networks have been applied to model numerous interactive nonlinear systems in the real world. Knowledge about network topology is crucial to an understanding of the function, performance and evolution of complex systems. In the last few years, many network metrics and models have been proposed to investigate the network topology, dynamics and evolution. Since these network metrics and models are derived from a wide range of studies, a systematic study is required to investigate the correlations among them. The present paper explores the effect of degree correlation on the other network metrics through studying an ensemble of graphs where the degree sequence (set of degrees) is fixed. We show that to some extent, the characteristic path length, clustering coefficient, modular extent and robustness of networks are directly influenced by the degree correlation.     

一种基于效率矩阵的网络节点重要度评价算法

为了实现对网络节点重要性的有效评价,提出一种基于网络效率矩阵的节点重要度评价算法.该方法综合考虑节点的度值(局部重要度)和网络节点之间的重要性贡献(全局重要度),利用节点的度和效率矩阵表征网络节点的重要度贡献,克服重要性贡献矩阵法中节点只依赖于邻接节点的不足.考虑实际网络的稀疏性,该算法的时间复杂度为O(n²).通过算例分析验证了该算法的可行性和有效性,结果表明:该算法能够更加直观、简单有效地区分节点的重要度差异,并且对于大型复杂网络具有较理想的计算能力.     

基于Kendall改进的同步算法癫痫脑网络分析

提出了一种基于Kendall等级相关改进的同步算法IRC(inverse rank correlation).Kendall等级相关是非线性动力学分析的一般化算法,可有效地度量变量间的非线性相关性.复杂网络的研究已逐渐深入到社会科学的各个领域,脑网络的研究已经成为当今脑功能研究的热点.利用改进的IRC算法,基于脑电EEG(electroencephalogram)数据来构建大脑功能性网络.对构建的脑功能网络的度指标进行了分析,以调查癫痫脑功能网络是否异于正常人.结果显示:使用该改进的算法能够对癫痫和正常脑功能网络显著区分,且只需要记录很短的脑电数据.实验结果数据表明,该方法适用于区分癫痫和正常脑组织网络度指标,它可有助于进一步地加深对大脑的神经动力学行为的研究,并为临床诊断提供有效工具.