کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5102477 1480083 2018 25 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Correlations of stock price fluctuations under multi-scale and multi-threshold scenarios
ترجمه فارسی عنوان
همبستگی نوسانات قیمت سهام در سناریوهای چند مرحله ای و چند آستانه
کلمات کلیدی
تبدیل موجک، سری زمانی چندگانه، چند روش آستانه، شرکت های ذکر شده ذغال سنگ، شبکه سهام نوسان قیمت سهام،
ترجمه چکیده
روش چند مرحله ای به طور گسترده ای در تجزیه و تحلیل سری زمانی بازارهای مالی استفاده می شود و می تواند اطلاعات بازار را برای افراد مختلف اقتصادی که در دوره های مختلف متمرکز هستند، فراهم کند. از طریق ساخت شبکه های چندگانه مرتبط با نوسان قیمت در بازار سهام، ما می توانیم رابطه توپولوژیکی بین هر سری زمانی را تشخیص دهیم. تحقیق قبلی به این مسئله که شبکه های همبستگی اصلی نوسانات شبکه ها به طور کامل متصل است را حل نمی کند و اطلاعات بیشتری در این شبکه ها وجود دارد که در حال حاضر مورد استفاده قرار می گیرد. در اینجا ما از شرکت های ذکر شده ذغال سنگ به عنوان مطالعه مورد استفاده استفاده می کنیم. ابتدا سریالهای نوسان قیمت سهام را به مقادیر زمانی مختلف تقسیم می کنیم. دوم، ما شبکه های همبستگی نوسان قیمت سهام را در مقیاس زمانی مختلف ساختیم. سوم، ما لبه های شبکه بر اساس آستانه ها را حذف می کنیم و شاخص های شبکه را تجزیه و تحلیل می کنیم. از طریق ترکیب روش چند منظوره با روش چند آستانه، ما اطلاعات ضمنی شبکه های متصل به طور کامل را نشان می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
The multi-scale method is widely used in analyzing time series of financial markets and it can provide market information for different economic entities who focus on different periods. Through constructing multi-scale networks of price fluctuation correlation in the stock market, we can detect the topological relationship between each time series. Previous research has not addressed the problem that the original fluctuation correlation networks are fully connected networks and more information exists within these networks that is currently being utilized. Here we use listed coal companies as a case study. First, we decompose the original stock price fluctuation series into different time scales. Second, we construct the stock price fluctuation correlation networks at different time scales. Third, we delete the edges of the network based on thresholds and analyze the network indicators. Through combining the multi-scale method with the multi-threshold method, we bring to light the implicit information of fully connected networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 490, 15 January 2018, Pages 1501-1512
نویسندگان
, , , , ,