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

1 绪论
1.1 选题背景和研究意义
1.1.1 选题背景
1.1.2 研究意义
1.2 研究思路、研究方法及全书结构
1.2.1 研究思路
1.2.2 研究方法
1.2.3 全书结构
1.3 本书的创新点
2 理论基础与文献综述
2.1 证券市场波动相关理论
2.1.1 现代经典金融理论
2.1.2 行为金融学理论
2.1.3 本节评述
2.2 企业关联关系与证券市场波动研究
2.2.1 股票联动性研究
2.2.2 动量溢出效应研究
2.2.3 本节评述
2.3 证券市场媒体效应研究
2.3.1 证券市场媒体效应存在性研究
2.3.2 媒体新闻与证券市场波动研究
2.3.3 本节评述
2.4 面向证券市场波动风险分析的研究
2.4.1 传统的证券市场波动风险分析研究
2.4.2 面向证券市场波动的智能计算研究
2.4.3 本节评述
2.5 本章小结
3 媒体关联与企业关系网络构建
3.1 企业媒体关联的论述
3.1.1 企业媒体关联的定义
3.1.2 企业媒体关联的理论基础
3.1.3 企业媒体关联的合理性及优越性
3.2 基于媒体关联的企业网络构建
3.2.1 企业媒体关联网络构建方法／7l
3.2.2 基于企业媒体关联网络的股价相关性分析方法
3.2.3 基于企业媒体关联网络的企业影响力分析方法
3.3 数据准备及统计分析
3.3.1 媒体新闻数据获取及预处理
3.3.2 媒体新闻数据描述性统计分析
3.3.3 证券市场交易数据准备
3.4 基于企业媒体关联网络的企业关联性分析
3.4.1 企业媒体关联网络构建分析
3.4.2 企业媒体关联网络中的企业关联性分析
3.4.3 企业媒体关联网络中 影响力企业分析
3.5 本章小结
4 基于媒体关联的企业动量溢出效应分析
4.1 问题的提出
4.2 模型的构建
4.2.1 基于媒体关联的企业关系代理变量构建
4.2.2 基于媒体关联的动量溢出效应分析
4.3 数据准备及统计分析
4.4 实证结果分析
4.4.1 动量溢出效应的验证
4.4.2 稳健性检验
4.5 本章小节
5 面向动量溢出效应的深度图神经网络研究
5.1 问题的提出
5.2 模型的构建
5.2.1 深度学习在金融中的应用
5.2.2 基于门控机制的自适应动态图神经网络模型
5.3 数据统计及实验准备
5.3.1 样本数据及统计描述
5.3.2 模型参数设置
5.3.3 对比实验设置
5.4 实验结果分析
5.4.1 评价指标
5.4.2 对比模型结果分析
5.4.3 模型的有效性分析
5.5 本章小节
6 面向证券市场动量溢出效应的大数据风险分析框架
6.1 问题的提出
6.2 模型的构建
6.2.1 系统框架设计
6.2.2 时序特征融合
6.2.3 关系特征融合
6.3 数据统计及实验准备
6.3.1 市场信息概述
6.3.2 样本数据及统计描述
6.3.3 模型参数设置
6.3.4 对比模型设置
6.4 实验结果分析
6.4.1 评价指标
6.4.2 对比模型结果分析
6.4.3 模型的有效性分析
6.4.4 策略投资模拟
6.5 本章小结
7 总结、不足与未来展望
7.1 研究总结
7.2 研究不足
7.3 未来展望
参考文献
附录