金融复杂性 实证与建模PDF电子书下载

第1章 金融复杂性与实验金融学 1

1.1 复杂性科学 1

1.1.1 复杂性科学的由来 1

1.1.2 复杂性科学的发展历程 2

1.1.3 复杂性科学研究的基本问题 2

1.2 复杂系统的主要特点 3

1.3 经济复杂性问题概述 3

1.3.1 经济学面临的困境 4

1.3.2 复杂性经济学 5

1.3.3 经济复杂性研究现状 6

1.4 金融复杂性 7

1.5 实验金融学 8

1.6 本书结构 9

第2章 理论基础 11

2.1 传统的金融市场假设 11

2.2 收益尖峰胖尾分布分析——Mantegna-Stanley法 12

2.3 时间序列之间依赖关系的度量方法 15

2.3.1 相关系数 15

2.3.2 股价波动的非线性判定 15

2.3.3 互信息和广义相关系数 16

2.4 长程相关性检验 17

2.5 波动聚集程度的定量分析 18

2.6 GARCH模型 19

2.7 Hibert-Huang变换（HHT）方法 19

2.7.1 EMD分解过程 19

2.7.2 瞬时相位 21

2.8 同步及相位同步熵 21

2.8.1 同步 21

2.8.2 相位同步熵 22

2.9 本章小结 23

第3章 金融复杂性的实证分析 24

3.1 收益尖峰胖尾分布 24

3.1.1 尖峰胖尾特性 24

3.1.2 中心列维分布 25

3.1.3 尾部幂律分布 27

3.2 价格波动的相关性 29

3.2.1 收益的弱相关 29

3.2.2 易变性的长程相关 29

3.2.3 价格波动长程相关性检验 29

3.3 证券市场长程记忆性实证研究 31

3.3.1 平均波动性的定义 31

3.3.2 随机游走过程的分析 31

3.3.3 道琼斯工业平均指数及其GARCH（1,1）过程的分析 34

3.3.4 其他市场指数及其GARCH（1,1）过程的分析 42

3.3.5 波动长程记忆性的分析 43

3.4 价格波动聚集性 54

3.5 价格波动的雪崩动力学 55

3.5.1 雪崩的定义 55

3.5.2 价格雪崩规模分布的实证研究 56

3.6 价格波动的准周期行为 57

3.6.1 价格波动的日历效应 57

3.6.2 全球主要股指准周期行为分析 58

3.7 金融危机的相同步检测 61

3.8 本章小结 66

第4章 金融市场建模 67

4.1 引言 67

4.2 随机游走模型 67

4.2.1 随机游走的概念 67

4.2.2 随机游走模型 68

4.3 基于Multi-Agent的金融市场模型 69

4.3.1 多主体系统理论 69

4.3.2 常用的ABM软件平台 73

4.3.3 基于Multi-Agent的金融市场模型 80

4.3.4 基于Multi-Agent建模的简评 85

4.4 基于元胞自动机的金融市场模型 85

4.4.1 元胞自动机 85

4.4.2 元胞自动机用于股票市场建模 86

4.4.3 基于元胞自动机建模的简评 89

4.5 统计物理模型 90

4.5.1 伊辛模型与社会模仿理论 90

4.5.2 逾渗模型 92

4.5.3 借用物理模型建立市场模型的简评 95

4.6 GARCH模型 95

4.6.1 ARCH模型 96

4.6.2 GARCH模型 96

4.6.3 其他ARCH模型 97

4.7 其他金融市场模型 98

4.7.1 Langevin方法 98

4.7.2 Sornette-Ide模型 100

4.8 本章小结 101

第5章 基于逾渗理论的金融市场网络模型 102

5.1 引言 102

5.2 模型 102

5.2.1 交易规则 103

5.2.2 投资群体结构的动态演化 104

5.3 模型产生的股价时间序列 105

5.4 模型产生的收益分布 106

5.5 价格波动的雪崩动力学 108

5.6 多重分形的标度特征分析 110

5.7 模型的优点 111

5.8 本章小结 112

第6章 基于信息传播的金融市场网络模型 114

6.1 引言 114

6.2 投资者之间的关系网络 115

6.3 模型 115

6.3.1 交易规则 116

6.3.2 信息传播与投资群体结构的动态演化 116

6.4 模型产生的股价时间序列 118

6.5 模型产生的收益分布 120

6.6 模型产生的价格序列相关性及波动聚集度分析 127

6.7 信息传播与价格波动 128

6.7.1 信息集网络 128

6.7.2 市场上信息传播过程 128

6.7.3 信息瀑布的发生对价格波动的影响 131

6.8 本章小结 132

第7章 订单驱动的中国股票市场建模 134

7.1 市场环境 134

7.2 交易规则 135

7.3 投资者投资策略 136

7.4 系统流程和模块设计 138

7.5 模型有效性分析 139

7.5.1 价格波动的统计特征分析 139

7.5.2 参数与统计特征分析 144

7.6 价格波动的生态学解释 148

7.6.1 市场生态 148

7.6.2 投资者活动比率与价格波动的关系分析 152

7.6.3 市场预期与投资者行为的关系分析 155

7.7 本章小结 157

第8章 资本市场的混沌和分形 158

8.1 混沌和分形 158

8.2 混沌的定义 160

8.2.1 混沌的Li-Yorke定义 160

8.2.2 混沌的Devaney定义 160

8.3 混沌的度量 161

8.3.1 Lyapunov指数 161

8.3.2 测度熵 162

8.3.3 分数维 163

8.4 提取混沌特征量的数值方法 164

8.4.1 相空间重构 164

8.4.2 计算Lyapunov指数 164

8.4.3 计算关联维 166

8.5 金融市场的混沌 167

8.6 金融市场的分形 169

8.6.1 分形分布（帕雷托-列维分布） 169

8.6.2 Hurst指数 171

8.6.3 价格时间序列的分形 171

8.6.4 价格波动的多重分形特征 174

8.7 虚拟股市的混沌行为分析 176

8.7.1 股市模型 176

8.7.2 混沌行为分析 178

8.8 本章小结 181

第9章 价格波动关联性研究基础 182

9.1 概述 182

9.2 相关理论基础 184

9.2.1 复杂网络的基本概念 184

9.2.2 复杂网络基本模型及其性质 187

9.2.3 构建股票网络的方法 193

9.3 本章小结 196

第10章 上海市场股票价格波动关联性研究 197

10.1 引言 197

10.2 市场数据来源及处理 197

10.3 股票价格波动的非线性判别 198

10.4 动态股票关联网络的构建 199

10.5 股票关联网络的拓扑演化研究 202

10.6 网络拓扑演化与股指波动聚集之间的关系研究 207

10.7 本章小结 209

第11章 基于最大生成树的上海市场股票网络演化分析 210

11.1 上海市场价格指数 210

11.2 数据来源与处理 211

11.3 股票关联网络的构建 211

11.4 上海股票市场的演化特性分析 212

11.4.1 树的拓扑统计特性 212

11.4.2 动态股票关联网络的统计特性研究 213

11.4.3 不同时期最大生成树的比较 216

11.4.4 不同时期上海股票市场稳定性分析 221

11.5 最大生成树的其他演化特性分析 221

11.5.1 单步存活率 221

11.5.2 多步存活率 222

11.6 对数收益时的分析结果 224

11.7 本章小结 227

第12章 金融危机时期股票市场行业指数联动性分析 229

12.1 引言 229

12.2 数据的选取 230

12.3 全连通网络 230

12.3.1 全连通关联网络的构建 230

12.3.2 影响因子分析 231

12.4 阈值网络拓扑结构分析 232

12.5 最大生成树拓扑特性分析 236

12.6 阈值法与最大生成树法的比较 239

12.7 本章小结 239

第13章 总结与展望 241

13.1 总结 241

13.2 研究展望 243

参考文献 246