在符号相似网络中市场图识别问题的最优决策
摘要：市场网络分析中，对市场图的研究引起了越来越多的关注。与市场图相关的一个重要问题是如何从观察中识别它。传统的市场图识别方法是使用基于股票对之间的Pearson相关性的统计估计的简单过程。最近，引入了一种新的统计程序类别用于市场图识别，并证明了在Pearson相关性高斯网络中的这些程序的最优性。然而，所得到的程序只对股票属性具有高斯多元分布的情况具有较高的可靠性。解决这个缺点的一种方法是考虑由股票之间的不同相似度测量生成的不同网络。在这一背景下，一种新的有前景的模型是符号相似度网络。本文考虑了符号相似度网络中的市场图识别问题。引入了一类新的市场图识别的统计程序，并证明了这些程序的最优性。数值实验发现了符号相似度和Pearson相关性网络中最优程序质量的显著差异。特别是观察到符号相似度网络中最优识别程序的质量对股票属性分布的假设不敏感。
作者：V.A. Kalyagin, P.A. Koldanov, P.M. Pardalos
论文ID：1512.06449
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2015-12-22