作者：邢容,李庆
页数：232
出版社：西南财经大学出版社
出版日期：2023
ISBN：9787550457812
电子书格式：pdf/epub/txt
内容简介
本书在现代金融学理论框架下，将实证资产定价研究与深度学习技术在金融中的应用展开深度结合，从实证资产定价与深度学习的视角探究基于媒体关联的企业关联关系对资产价格波动的影响作用。一方面，论证了中国证券市场中基于媒体关联的动量溢出效应的存在性、有效性和稳健性，为实证资产定价研究的发展提供了中国证券市场的证据；另一方面，创新性地提出了一个面向动量溢出效应的自适应动态图神经网络算法，旨在更细致地刻画动量在企业之间的转移和汇集作用，为探究动量溢出效应对证券市场波动风险的影响提供了一个基于智能计算的研究思路。
作者简介
邢容，西南财经大学金融学博士，师资博士后研究员，研究领域为资产定价与人工智能。
李庆，西南财经大学教授、博士生导师，金融智能与金融工程四川省重点实验室主任。主要从事大数据挖掘、文本挖掘、信息无障碍、推荐系统、算法交易、证券市场智能分析等领域的研究工作和相关的教学工作。入选多项省部级高层次人才支持计划，在ACM TOIS、IEEE TKDE、AAAI等期刊上发表学术论文80余篇。主持国际级课题10余项。
本书特色
本书立足于现代金融学理论框架，面向中国证券市场，展开基于媒体关联的动量溢出效应研究。本书创新性地提出基于媒体新闻共同报道捕捉企业关联关系的思想。以该思想为指导，本书构建了一个基于媒体关联的企业关系网络，系统地论证了基于媒体关联的企业关联关系的独特性和合理性，并从有限注意力假设出发，验证了基于媒体关联的企业关联关系及关联资产的动量溢出效应在不同市场运行时期的存在性、有效性和稳健性。为了克服传统计量方法无法有效捕捉资产收益率之间基于复杂关联的动态传导和溢出效应的局限性，本书创新性地提出了一个面向动量溢出效应的自适应动态图神经网络算法，以细致地刻画动量在企业之间的转移和汇集作用。
目录
１.１ 选题背景和研究意义 ／ １
１.１.１ 选题背景 ／ １
１.１.２ 研究意义 ／ １３
１.２ 研究思路、 研究方法及全书结构 ／ １７
１.２.１ 研究思路 ／ １７
１.２.２ 研究方法 ／ ２０
１.２.３ 全书结构 ／ ２２
１.３ 本书的创新点 ／ ２４
２ 理论基础与文献综述 ／ ２８
２.１ 证券市场波动相关理论 ／ ２９
２.１.１ 现代经典金融理论 ／ ２９
２.１.２ 行为金融学理论 ／ ３３
２.１.３ 本节评述 ／ ３７
２.２ 企业关联关系与证券市场波动研究 ／ ３８
２.２.１ 股票联动性研究 ／ ４０
２.２.２ 动量溢出效应研究 ／ ４２
２.２.３ 本节评述 ／ ４４２ .媒体关联与证券市场动量溢出效应研究———基于实证资产定价与深度学习视角
２.３ 证券市场媒体效应研究 ／ ４５
２.３.１ 证券市场媒体效应存在性研究 ／ ４７
２.３.２ 媒体新闻与证券市场波动研究 ／ ５０
２.３.３ 本节评述 ／ ５２
２.４ 面向证券市场波动风险分析的研究 ／ ５３
２.４.１ 传统的证券市场波动风险分析研究 ／ ５６
２.４.２ 面向证券市场波动的智能计算研究 ／ ５８
２.４.３ 本节评述 ／ ６１
２.５ 本章小结 ／ ６３
３ 媒体关联与企业关系网络构建 ／ ６５
３.１ 企业媒体关联的论述 ／ ６６
３.１.１ 企业媒体关联的定义 ／ ６６
３.１.２ 企业媒体关联的理论基础 ／ ６６
３.１.３ 企业媒体关联的合理性及优越性 ／ ６８
３.２ 基于媒体关联的企业网络构建 ／ ７０
３.２.１ 企业媒体关联网络构建方法 ／ ７１
３.２.２ 基于企业媒体关联网络的股价相关性分析方法 ／ ７３
３.２.３ 基于企业媒体关联网络的企业影响力分析方法 ／ ７５
３.３ 数据准备及统计分析 ／ ７６
３.３.１ 媒体新闻数据获取及预处理 ／ ７７
３.３.２ 媒体新闻数据描述性统计分析 ／ ７９
３.３.３ 证券市场交易数据准备 ／ ８０
３.４ 基于企业媒体关联网络的企业关联性分析 ／ ８２
３.４.１ 企业媒体关联网络构建分析 ／ ８３
３.４.２ 企业媒体关联网络中的企业关联性分析 ／ ８５
３.４.３ 企业媒体关联网络中最具影响力企业分析 ／ ９１
３.５ 本章小结 ／ ９２目录.３
４ 基于媒体关联的企业动量溢出效应分析 ／ ９４
４.１ 问题的提出 ／ ９５
４.２ 模型的构建 ／ ９６
４.２.１ 基于媒体关联的企业关系代理变量构建 ／ ９７
４.２.２ 基于媒体关联的动量溢出效应分析 ／ ９８
４.３ 数据准备及统计分析 ／ ９９
４.４ 实证结果分析 ／ １０１
４.４.１ 动量溢出效应的验证 ／ １０１
４.４.２ 稳健性检验 ／ １０４
４.５ 本章小节 ／ １０８
５ 面向动量溢出效应的深度图神经网络研究 ／ １０９
５.１ 问题的提出 ／ １１０
５.２ 模型的构建 ／ １１２
５.２.１ 深度学习在金融中的应用 ／ １１２
５.２.２ 基于门控机制的自适应动态图神经网络模型 ／ １１４
５.３ 数据统计及实验准备 ／ １１７
５.３.１ 样本数据及统计描述 ／ １１７
５.３.２ 模型参数设置 ／ １２２
５.３.３ 对比实验设置 ／ １２２
５.４ 实验结果分析 ／ １２４
５.４.１ 评价指标 ／ １２５
５.４.２ 对比模型结果分析 ／ １２５
５.４.３ 模型的有效性分析 ／ １２７
５.５ 本章小节 ／ １３０４ .媒体关联与证券市场动量溢出效应研究———基于实证资产定价与深度学习视角
６ 面向证券市场动量溢出效应的大数据风险分析框架 ／ １３１
６.１ 问题的提出 ／ １３２
６.２ 模型的构建 ／ １３４
６.２.１ 系统框架设计 ／ １３４
６.２.２ 时序特征融合 ／ １３５
６.２.３ 关系特征融合 ／ １３８
６.３ 数据统计及实验准备 ／ １３９
６.３.１ 市场信息概述 ／ １３９
６.３.２ 样本数据及统计描述 ／ １４１
６.３.３ 模型参数设置 ／ １４２
６.３.４ 对比模型设置 ／ １４３
６.４ 实验结果分析 ／ １４５
６.４.１ 评价指标 ／ １４６
６.４.２ 对比模型结果分析 ／ １４６
６.４.３ 模型的有效性分析 ／ １４８
６.４.４ 策略投资模拟 ／ １５２
６.５ 本章小结 ／ １５５
７ 总结、 不足与未来展望 ／ １５７
７.１ 研究总结 ／ １５７
７.２ 研究不足 ／ １６１
７.３ 未来展望 ／ １６３
参考文献 ／ １６６
附录 ／ １８２
