基于復(fù)雜網(wǎng)絡(luò)的投資者情緒傳播模型
發(fā)布時(shí)間:2021-10-10 19:31
隨著復(fù)雜網(wǎng)絡(luò)的不斷發(fā)展,越來(lái)越多的學(xué)者開(kāi)始在傳染病模型的基礎(chǔ)上與復(fù)雜網(wǎng)絡(luò)相結(jié)合,探究其傳播規(guī)律.情緒作為人的一種特性,受他人情緒影響后導(dǎo)致情緒傳播,在某種程度上與疾病傳播相似.在中國(guó)股票市場(chǎng)中,個(gè)體投資者比例較大,個(gè)體投資者由于缺乏專業(yè)知識(shí),風(fēng)險(xiǎn)意識(shí)不強(qiáng),其情緒極易受外界的干擾.而投資者情緒作為投資行為的重要因素,直接影響著投資者的投資收益.與機(jī)構(gòu)投資者相比,個(gè)體投資者往往趨于非理性投資.因此,研究投資者情緒傳播模型有助于探究情緒在投資者網(wǎng)絡(luò)中的傳播機(jī)制,對(duì)穩(wěn)定市場(chǎng)秩序有指導(dǎo)性作用.本論文結(jié)合傳染病模型,在復(fù)雜網(wǎng)絡(luò)上分別構(gòu)建了兩種投資者情緒傳播模型,并對(duì)兩個(gè)模型進(jìn)行理論分析,探究投資者情緒傳播機(jī)制,最后通過(guò)仿真探究不同參數(shù)對(duì)情緒傳播的影響.主要內(nèi)容及結(jié)論如下:(1)在投資者網(wǎng)絡(luò)中對(duì)傳統(tǒng)的SIR模型加以改進(jìn),考慮個(gè)體差異性,建立SI1I2R投資者情緒傳播模型.在此基礎(chǔ)上,找出模型的平衡點(diǎn),并對(duì)其進(jìn)行穩(wěn)定性分析.最后,利用MATLAB對(duì)模型進(jìn)行數(shù)值模擬,探究不同參數(shù)對(duì)情緒傳播的影響.結(jié)果表明:控制個(gè)體投資者在股市中的比例,有助于抑制非理性情緒的傳...
【文章來(lái)源】:江蘇大學(xué)江蘇省
【文章頁(yè)數(shù)】:54 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
SI1I2R模型結(jié)構(gòu)圖Figure3.1ThestructureofSI1I2RmodelSIIR
江蘇大學(xué)碩士學(xué)位論文21圖3.2度分布圖Figure3.2Thedistributionofdegree首先構(gòu)建一個(gè)節(jié)點(diǎn)總數(shù)=1200,未增長(zhǎng)前的網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)0=3,每次引入新節(jié)點(diǎn)時(shí)新生成的邊數(shù)=2的無(wú)標(biāo)度網(wǎng)絡(luò),度分布()如圖3.2所示,且平均度為=3.9700.圖3.3當(dāng)R0=0.8839時(shí),不同類型投資者密度隨時(shí)間演化示意圖
江蘇大學(xué)碩士學(xué)位論文21圖3.2度分布圖Figure3.2Thedistributionofdegree首先構(gòu)建一個(gè)節(jié)點(diǎn)總數(shù)=1200,未增長(zhǎng)前的網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)0=3,每次引入新節(jié)點(diǎn)時(shí)新生成的邊數(shù)=2的無(wú)標(biāo)度網(wǎng)絡(luò),度分布()如圖3.2所示,且平均度為=3.9700.圖3.3當(dāng)R0=0.8839時(shí),不同類型投資者密度隨時(shí)間演化示意圖
【參考文獻(xiàn)】:
期刊論文
[1]基于復(fù)雜網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)傳染模型研究[J]. 陳庭強(qiáng),何建敏. 中國(guó)管理科學(xué). 2014(11)
[2]股市中危機(jī)傳播的SIR模型及其仿真[J]. 馬源源,莊新田,李凌軒. 管理科學(xué)學(xué)報(bào). 2013(07)
[3]微博輿情傳播規(guī)律研究[J]. 錢穎,張楠,趙來(lái)軍,鐘永光. 情報(bào)學(xué)報(bào). 2012 (12)
[4]基于在線社交網(wǎng)絡(luò)的信息傳播模型[J]. 張彥超,劉云,張海峰,程輝,熊菲. 物理學(xué)報(bào). 2011(05)
[5]中國(guó)證券市場(chǎng)的投資者情緒研究[J]. 池麗旭,莊新田. 管理科學(xué). 2010(03)
[6]情緒波動(dòng)和資產(chǎn)價(jià)格波動(dòng)[J]. 陳彥斌. 經(jīng)濟(jì)研究. 2005(03)
[7]中國(guó)股市收益、收益波動(dòng)與投資者情緒[J]. 王美今,孫建軍. 經(jīng)濟(jì)研究. 2004(10)
博士論文
[1]基于復(fù)雜網(wǎng)絡(luò)理論的傳染病動(dòng)力學(xué)建模與研究[D]. 倪順江.清華大學(xué) 2009
[2]動(dòng)力系統(tǒng)與復(fù)雜網(wǎng)絡(luò):理論與應(yīng)用[D]. 盧文聯(lián).復(fù)旦大學(xué) 2005
本文編號(hào):3429017
【文章來(lái)源】:江蘇大學(xué)江蘇省
【文章頁(yè)數(shù)】:54 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
SI1I2R模型結(jié)構(gòu)圖Figure3.1ThestructureofSI1I2RmodelSIIR
江蘇大學(xué)碩士學(xué)位論文21圖3.2度分布圖Figure3.2Thedistributionofdegree首先構(gòu)建一個(gè)節(jié)點(diǎn)總數(shù)=1200,未增長(zhǎng)前的網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)0=3,每次引入新節(jié)點(diǎn)時(shí)新生成的邊數(shù)=2的無(wú)標(biāo)度網(wǎng)絡(luò),度分布()如圖3.2所示,且平均度為=3.9700.圖3.3當(dāng)R0=0.8839時(shí),不同類型投資者密度隨時(shí)間演化示意圖
江蘇大學(xué)碩士學(xué)位論文21圖3.2度分布圖Figure3.2Thedistributionofdegree首先構(gòu)建一個(gè)節(jié)點(diǎn)總數(shù)=1200,未增長(zhǎng)前的網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)0=3,每次引入新節(jié)點(diǎn)時(shí)新生成的邊數(shù)=2的無(wú)標(biāo)度網(wǎng)絡(luò),度分布()如圖3.2所示,且平均度為=3.9700.圖3.3當(dāng)R0=0.8839時(shí),不同類型投資者密度隨時(shí)間演化示意圖
【參考文獻(xiàn)】:
期刊論文
[1]基于復(fù)雜網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)傳染模型研究[J]. 陳庭強(qiáng),何建敏. 中國(guó)管理科學(xué). 2014(11)
[2]股市中危機(jī)傳播的SIR模型及其仿真[J]. 馬源源,莊新田,李凌軒. 管理科學(xué)學(xué)報(bào). 2013(07)
[3]微博輿情傳播規(guī)律研究[J]. 錢穎,張楠,趙來(lái)軍,鐘永光. 情報(bào)學(xué)報(bào). 2012 (12)
[4]基于在線社交網(wǎng)絡(luò)的信息傳播模型[J]. 張彥超,劉云,張海峰,程輝,熊菲. 物理學(xué)報(bào). 2011(05)
[5]中國(guó)證券市場(chǎng)的投資者情緒研究[J]. 池麗旭,莊新田. 管理科學(xué). 2010(03)
[6]情緒波動(dòng)和資產(chǎn)價(jià)格波動(dòng)[J]. 陳彥斌. 經(jīng)濟(jì)研究. 2005(03)
[7]中國(guó)股市收益、收益波動(dòng)與投資者情緒[J]. 王美今,孫建軍. 經(jīng)濟(jì)研究. 2004(10)
博士論文
[1]基于復(fù)雜網(wǎng)絡(luò)理論的傳染病動(dòng)力學(xué)建模與研究[D]. 倪順江.清華大學(xué) 2009
[2]動(dòng)力系統(tǒng)與復(fù)雜網(wǎng)絡(luò):理論與應(yīng)用[D]. 盧文聯(lián).復(fù)旦大學(xué) 2005
本文編號(hào):3429017
本文鏈接:http://www.sikaile.net/kejilunwen/yysx/3429017.html
最近更新
教材專著