Deteksi struktur jaringan dan analisis pasar saham

Deteksi struktur jaringan dan analisis pasar saham dalam Jaringan kompleks adalah abstrak dari sistem yang kompleks, seperti jaringan komputer, jaringan biologi, jaringan sosial, dan jaringan transportasi. Kompleksitas sistem jaringan mencerminkan kompleksitas struktur, kompleksitas simpul dan semua interaksi di antara faktor-faktor kompleks. Dalam beberapa tahun terakhir, penelitian jaringan kompleks secara bertahap berkembang dari matematika, fisika dan biologi ke sosiologi dan ekonomi. Rubinov dan Sporns (2010) membahas konstruksi jaringan otak dari data konektivitas dan menggambarkan ukuran jaringan yang paling umum digunakan dari konektivitas struktural dan fungsional. Morales, Borondo, Losada dan Benito (2014) membangun jaringan yang kompleks untuk memahami reaksi kolektif terhadap tindakan individu di Twitter. Gao dan Gu (2011) menerapkan analisis jaringan sosial untuk mempelajari hubungan kekuatan, kelompok kecil dan inti untuk mendeteksi masalah dalam aliran pengetahuan dalam kelompok dengan bantuan deskripsi kuantitatif, mengukur jaringan pengetahuan. Li, He, Zhuang dan Shi (2011) mempelajari dampak saham pada stabilitas jaringan antar bank Cina dari perspektif jaringan yang kompleks. Dalam penelitian ini, jaringan kompleks mengungkapkan beberapa karakteristik statistik yang jelas, termasuk properti dunia kecil (Milgram, 1967), properti bebas skala (Pool & Kochen, 1987) dan seterusnya. Sebuah jaringan, yang memiliki koefisien clustering besar dan jarak rata-rata kecil, memiliki properti dunia kecil. Akibatnya jaringan ini disebut jaringan dunia kecil. Jaringan dengan distribusi derajat hukum kekuasaan disebut jaringan bebas skala. Distribusi derajat adalah sifat topologi dasar dari suatu jaringan, yang merepresentasikan kemungkinan bahwa suatu simpul yang dipilih secara acak memiliki derajat k atau digambarkan sebagai kemungkinan suatu simpul yang derajatnya k dalam jaringan. Distribusi derajat dari banyak jaringan dapat digambarkan dengan distribusi hukum daya, yaitu P(K)aK-r. Distribusi power-law juga dikenal sebagai distribusi bebas skala. Karakteristik penting lainnya dari jaringan kompleks adalah struktur komunitas (Albert, Jeong & Barabasi, 1999). Komunitas dapat didefinisikan sebagai kelompok node sedemikian rupa sehingga ada kepadatan tepi yang lebih tinggi dalam kelompok daripada di antara mereka (Boccaletti, Latora, Moreno, Chavez & Hwang, 2006). Banyak hasil penelitian menunjukkan bahwa banyak jaringan nyata memiliki struktur komunitas. Yaitu, seluruh jaringan terdiri dari banyak komunitas, hubungan antar komunitas yang berbeda relatif jarang, tetapi koneksi dalam komunitas yang sama relatif padat. Deteksi komunitas menggunakan struktur topologi grafik untuk menganalisis struktur komunitas termodulasi dari jaringan kompleks, yang berarti untuk memiliki wawasan tentang modul, fungsi dan evolusi seluruh jaringan serta memahami prinsip-prinsip organisasi, topologi dan karakteristik dinamis dari sistem yang kompleks. Mendeteksi struktur komunitas dalam jaringan yang kompleks telah menjadi daya tarik dalam banyak penelitian. Partisi hierarkis adalah jenis algoritma yang umum untuk deteksi struktur komunitas. Menurut tepi ditambahkan atau dihapus dari jaringan, algoritma diklasifikasikan ke dalam algoritma aglomerasi dan algoritma divisif (Scott, 2002). Ide dasar dari algoritma aglomerasi adalah untuk mengambil setiap node dalam jaringan sebagai sebuah komunitas, kemudian menggabungkan node dengan kesamaan tertinggi menjadi sebuah komunitas. Ulangi langkah ini sampai semua node berada dalam satu komunitas atau memenuhi kondisi terminasi lainnya. Algoritma aglomerasi yang umum termasuk algoritma cepat Newman (Newman, 2004), algoritma CNM (Clauset, Newman & Moore, 2004), algoritma pengelompokan yang dikombinasikan dengan analisis spektral (Donetti & Munoz, 2004) dan seterusnya. Sebaliknya, algoritma divisif menempatkan semua node dalam komunitas pada awalnya, dan kemudian menghapus node dengan kesamaan terendah. Melanjutkan langkah di atas, seluruh komunitas akan dibagi menjadi komunitas yang lebih kecil sampai setiap node berubah menjadi komunitas independen atau memenuhi kondisi terminasi lainnya. Algoritma GN yang terkenal (Girvan & Newman, 2001) adalah algoritma adivisive. Sejak Mantegna (1999) menganalisis struktur hierarki jaringan korelasi 500 saham indeks Standard and Poor’s, para sarjana di seluruh dunia memulai penelitian tentang topologi jaringan pasar saham, yang kesimpulannya memiliki nilai referensi penting untuk mengungkapkan tren di pasar keuangan. Kim et al. (2002) membentuk jaringan korelasi tertimbang dari 500 saham indeks Standard and Poor untuk mempelajari karakteristik bebas skala. Boginski, Butenko dan Pardalos (2005) mempelajari pasar saham Amerika dan menemukan bahwa korelasi harga saham tidak sesuai dengan atribut scale-free. Melalui analisis pasar saham pembangunan jaringan saham Amerika, Tse, Liuand Lau (2010) menemukan bahwa variasi harga saham sangat dipengaruhi oleh jumlah saham yang relatif sedikit. Caraiani (2012) menyelidiki sifat pengembalian pasar saham utama dari Eropa melalui jaringan yang kompleks. Selain studi di luar negeri, penerapan jaringan yang kompleks di China juga berkembang pesat akhir-akhir ini. Zhuang, Min dan Chen (2007) menganalisis topologi di pasar saham Shanghai dan menemukan bahwa jaringan pasar saham memiliki karakteristik statistik yang khas dari jaringan yang kompleks. Huang, Zhuang dan Yao (2009) menggunakan metode ambang batas untuk membangun jaringan korelasi saham China dan kemudian mempelajari sifat struktural jaringan dan stabilitas topologi. Han andWang (2010) menggunakan peningkatan algoritma CNM dan Li dan Chen (2013) menggunakan metode multi-gene, keduanya menemukan struktur komunitas pasar saham yang jelas. Hasil penelitian ini bermanfaat untuk prakiraan ekonomi dan pengawasan keuangan. Dalam makalah ini, melalui deteksi komunitas jaringan korelasi, komunitas terkait erat ditemukan di pasar saham Shanghai. analisis pasar saham Fluktuasi harga saham-saham dalam komunitas yang sama sangat berkorelasi, yang menggambarkan bahwa saham-saham tersebut dipengaruhi oleh faktor ekonomi yang sama atau serupa. Analisis karakteristik industri saham memiliki nilai acuan terhadap hubungan antar industri atau sub sektor perusahaan yang terdaftar