混合隶属度对股票复杂网络社团划分的信息揭示功能研究

作     者：王雪 张楠 WANG Xue;ZHANG Nan

作者机构：西南财经大学会计学院四川成都611130 

出 版 物：《情报科学》 (Information Science)

年 卷 期：2018年第36卷第7期

页      面：111-117,151页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 120502[管理学-情报学] 

主　　题：股票网络 混合隶属度 重叠社团划分 信息 

摘      要：【目的/意义】信息对于股票市场投资决策及风险控制具有重要的现实意义,混合隶属度对股票复杂网络社团的划分有信息揭示作用。【方法/过程】针对目前对股票市场的复杂网络社团划分研究仅限于将社团进行重叠或者非重叠的社团划分,而不能基于这些划分揭示股票在社团中是否重要及与其他社团是否存在强度关系的相关信息,本文引入机器学习中的混合隶属度概念,对股票网络进行社团划分。【结果/结论】本文所提方法能够准确和高效地实现股票网络的重叠社团划分,且隶属度和相关强度的定量描述能够对投资者分析股票提供一种新的信息与思路,对于投资资产分配、投资风险抗击等方面具有指导意义。