金融網路信息高維模型研究

《金融網路信息高維模型研究》是依託北京大學，由何洋波擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：金融網路信息高維模型研究
• 依託單位：北京大學
• 項目負責人：何洋波
• 項目類別：青年科學基金項目

項目摘要

近年來，網際網路已成為投資者獲取信息和進行交流的重要渠道。網路金融信息和金融市場之間有著非常密切而複雜的關係。從金融網路文本中我們可以統計出詞頻時間序列數據。本項目計畫以詞頻時間序列數據為基礎，研究網路文本信息的基本規律及其和金融市場變數的關係。由於金融文檔中的辭彙量巨大，而時間序列長度有限，因此需要研究高維條件下，即變數數大於或遠大於樣本量情形下的模型。我們將計畫研究高維時間序列回歸模型，高維波動率模型及其極限性質。並且將這些方法套用於網路文本和金融市場變數，研究金融市場和網路信息流的關係，探討網路文本信息和金融市場收益率指數、市場波動率的關係。該研究將幫助我們更深入地理解金融市場、管理金融網路信息、最佳化投資及控制風險。同時發展高維數據的模型分析處理方法。

結題摘要

該研究包括兩個方面：高維數據分析的圖模型的方法和理論研究， 以及金融網路文本數據和金融市場的實證研究。高維圖模型的等價結構空間是進行圖模型學習和推斷的所有備選模型的集合。了解等價圖模型空間的性質能使我們更好地理解和使用圖模型理論和各類圖模型學習方法。然而，因為等價圖模型結構表示複雜，並且數量隨變數超指數增長，研究難度很大。 我們設計了等價類模型上的可逆馬爾科夫過程。該過程可以實現對具有數千變數的稀疏大系統的圖模型進行有效的抽樣。利用該抽樣方法，我們可以研究圖模型性質，比如模型複雜度，結構的分布等問題。我們對該問題的研究的部分成果已在統計學國家頂級期刊Annals of Statistics 發表，部分成果也提交至其他國際核心情況上. 另外，我們還研究了社交媒體上的隨機遊走方法，對金融市場和金融網路文本的關係進行了很多實證研究。包括對新浪微博，騰訊微博網路文本特徵及其和金融市場的關係研究；財經網路新聞文本信息對市場收益率波動率的影響；房地產行業公報，新聞聯播報導對金融市場的影響等。