媒体关联与证券市场动量溢出效应研究——基于实证资产定价与深度学习视角
定 价：78 元
- 作者：邢容，李庆著
- 出版时间：2023/5/1
- ISBN：9787550457812
- 出 版 社：西南财经大学出版社
- 中图法分类：F832.51
- 页码：232
- 纸张：
- 版次：1
- 开本：16开
本书在现代金融学理论框架下，将实证资产定价研究与深度学习技术在金融中的应用展开深度结合，从实证资产定价与深度学习的视角探究基于媒体关联的企业关联关系对资产价格波动的影响作用。一方面，论证了中国证券市场中基于媒体关联的动量溢出效应的存在性、有效性和稳健性，为实证资产定价研究的发展提供了中国证券市场的证据；另一方面，创新性地提出了一个面向动量溢出效应的自适应动态图神经网络算法，旨在更细致地刻画动量在企业之间的转移和汇集作用，为探究动量溢出效应对证券市场波动风险的影响提供了一个基于智能计算的研究思路。
邢容，西南财经大学金融学博士，师资博士后研究员，研究领域为资产定价与人工智能。李庆，西南财经大学教授、博士生导师，金融智能与金融工程四川省重点实验室主任。主要从事大数据挖掘、文本挖掘、信息无障碍、推荐系统、算法交易、证券市场智能分析等领域的研究工作和相关的教学工作。入选多项省部级高层次人才支持计划，在ACM TOIS、IEEE TKDE、AAAI等期刊上发表学术论文80余篇。主持上级课题10余项。
１ 绪论 ／ １１．１ 选题背景和研究意义 ／ １１．１．１ 选题背景 ／ １１．１．２ 研究意义 ／ １３１．２ 研究思路、 研究方法及全书结构 ／ １７１．２．１ 研究思路 ／ １７１．２．２ 研究方法 ／ ２０１．２．３ 全书结构 ／ ２２１．３ 本书的创新点 ／ ２４２ 理论基础与文献综述 ／ ２８２．１ 证券市场波动相关理论 ／ ２９２．１．１ 现代经典金融理论 ／ ２９２．１．２ 行为金融学理论 ／ ３３２．１．３ 本节评述 ／ ３７２．２ 企业关联关系与证券市场波动研究 ／ ３８２．２．１ 股票联动性研究 ／ ４０２．２．２ 动量溢出效应研究 ／ ４２２．２．３ 本节评述 ／ ４４２ ．媒体关联与证券市场动量溢出效应研究———基于实证资产定价与深度学习视角２．３ 证券市场媒体效应研究 ／ ４５２．３．１ 证券市场媒体效应存在性研究 ／ ４７２．３．２ 媒体新闻与证券市场波动研究 ／ ５０２．３．３ 本节评述 ／ ５２２．４ 面向证券市场波动风险分析的研究 ／ ５３２．４．１ 传统的证券市场波动风险分析研究 ／ ５６２．４．２ 面向证券市场波动的智能计算研究 ／ ５８２．４．３ 本节评述 ／ ６１２．５ 本章小结 ／ ６３３ 媒体关联与企业关系网络构建 ／ ６５３．１ 企业媒体关联的论述 ／ ６６３．１．１ 企业媒体关联的定义 ／ ６６３．１．２ 企业媒体关联的理论基础 ／ ６６３．１．３ 企业媒体关联的合理性及优越性 ／ ６８３．２ 基于媒体关联的企业网络构建 ／ ７０３．２．１ 企业媒体关联网络构建方法 ／ ７１３．２．２ 基于企业媒体关联网络的股价相关性分析方法 ／ ７３３．２．３ 基于企业媒体关联网络的企业影响力分析方法 ／ ７５３．３ 数据准备及统计分析 ／ ７６３．３．１ 媒体新闻数据获取及预处理 ／ ７７３．３．２ 媒体新闻数据描述性统计分析 ／ ７９３．３．３ 证券市场交易数据准备 ／ ８０３．４ 基于企业媒体关联网络的企业关联性分析 ／ ８２３．４．１ 企业媒体关联网络构建分析 ／ ８３３．４．２ 企业媒体关联网络中的企业关联性分析 ／ ８５３．４．３ 企业媒体关联网络中拥有影响力企业分析 ／ ９１３．５ 本章小结 ／ ９２目录．３４ 基于媒体关联的企业动量溢出效应分析 ／ ９４４．１ 问题的提出 ／ ９５４．２ 模型的构建 ／ ９６４．２．１ 基于媒体关联的企业关系代理变量构建 ／ ９７４．２．２ 基于媒体关联的动量溢出效应分析 ／ ９８４．３ 数据准备及统计分析 ／ ９９４．４ 实证结果分析 ／ １０１４．４．１ 动量溢出效应的验证 ／ １０１４．４．２ 稳健性检验 ／ １０４４．５ 本章小节 ／ １０８５ 面向动量溢出效应的深度图神经网络研究 ／ １０９５．１ 问题的提出 ／ １１０５．２ 模型的构建 ／ １１２５．２．１ 深度学习在金融中的应用 ／ １１２５．２．２ 基于门控机制的自适应动态图神经网络模型 ／ １１４５．３ 数据统计及实验准备 ／ １１７５．３．１ 样本数据及统计描述 ／ １１７５．３．２ 模型参数设置 ／ １２２５．３．３ 对比实验设置 ／ １２２５．４ 实验结果分析 ／ １２４５．４．１ 评价指标 ／ １２５５．４．２ 对比模型结果分析 ／ １２５５．４．３ 模型的有效性分析 ／ １２７５．５ 本章小节 ／ １３０４ ．媒体关联与证券市场动量溢出效应研究———基于实证资产定价与深度学习视角６ 面向证券市场动量溢出效应的大数据风险分析框架 ／ １３１６．１ 问题的提出 ／ １３２６．２ 模型的构建 ／ １３４６．２．１ 系统框架设计 ／ １３４６．２．２ 时序特征融合 ／ １３５６．２．３ 关系特征融合 ／ １３８６．３ 数据统计及实验准备 ／ １３９６．３．１ 市场信息概述 ／ １３９６．３．２ 样本数据及统计描述 ／ １４１６．３．３ 模型参数设置 ／ １４２６．３．４ 对比模型设置 ／ １４３６．４ 实验结果分析 ／ １４５６．４．１ 评价指标 ／ １４６６．４．２ 对比模型结果分析 ／ １４６６．４．３ 模型的有效性分析 ／ １４８６．４．４ 策略投资模拟 ／ １５２６．５ 本章小结 ／ １５５７ 总结、 不足与未来展望 ／ １５７７．１ 研究总结 ／ １５７７．２ 研究不足 ／ １６１７．３ 未来展望 ／ １６３参考文献 ／ １６６附录 ／ １８２
书单推荐
