1.2　研究思路、研究方法及全书结构

1.2.1　研究思路

认知影响市场波动的本质因素，揭示证券市场微观结构和内在运行机理，是金融学研究一直以来致力于阐释的主题。本书将实证资产定价研究与深度学习技术在金融中应用展开深度结合，构建了一套完整的研究系统。本书立足于信息时代的大背景，在现代金融学理论框架下，发掘影响资产价格波动的因素，揭示证券市场动量溢出效应的形成机理，细致地刻画动量溢出效应对关联企业的影响作用，并进一步为面向证券市场动量溢出效应的大数据智能计算风险分析提供解决方案，旨在通过发现问题、文献梳理、提出问题、分析问题、解决问题及应用与创新的研究思路，为真正理解我国证券市场微观结构和内在运行机理、有效分析和捕捉影响证券市场波动的本质因素提供参考。具体而言，本书的研究思路包括如下几个部分：

（1）立足于信息时代的大背景，深入认知证券市场运行状态并发现问题。

有价值的研究问题必然是对真实的市场运行状态和经济社会的宏观发展态势探寻所得的问题。本书立足于信息时代的大背景，在深入认知证券市场运行状态的基础上发现问题，即互联网媒体新闻信息对资产价格波动的影响显著。特别地，众多现象表明，在市场运行过程中，被媒体新闻共同报道的企业的资产价格波动会表现出明显的关联关系。由此提出疑问，经常被媒体新闻共同报道的企业之间是否会表现出某种关联关系，并进一步对相关企业的资产价格波动产生影响？

（2）系统梳理相关研究文献，确定本书的研究方向。

在初步认知和发现问题的基础上，本书对相关研究进行了系统性的梳理与归纳，相关研究文献的梳理主要包括以下几个方面：①证券市场波动相关理论，特别是行为金融学理论与资产价格波动研究；②企业关联关系与证券市场波动研究；③证券市场媒体效应研究；④面向证券市场波动的智能计算研究。通过对相关研究领域的系统梳理，本书确立了从实证资产定价研究的角度出发，基于行为金融学理论，以大数据的视角，探讨有限理性市场参与者的交易行为和认知偏差对证券市场波动的影响作用的研究思路。考虑到传统的计量经济模型无法有效捕捉和量化非线性因素对资产价格波动产生的复杂影响的桎梏，本书进一步运用深度学习方法，基于证券市场波动特性和运行规律，构建适应真实市场波动的量化智能计算模型和交易策略，从而为有效分析和捕捉影响证券市场波动的内在因素和本质规律提供参考。本书实现了实证资产定价研究与深度学习技术在金融中应用的深度结合。

（3）提出问题，建立基于媒体关联的企业关系网络。

通过对现有文献的梳理可知，企业之间的关联关系对资产价格波动具有重要的影响作用，其有助于深入理解证券市场的微观结构和内在运行机理。然而，资本市场涵盖了多样资产和各类市场参与者，是一个复杂且不断变化的综合系统。如何找到一个合理的企业关联，以有效地衡量企业之间的内在关联关系，是探究企业关联关系对证券市场波动影响的关键，也是本书的重点和难点所在。基于此提出本书的研究问题，即企业的媒体关联能够有效表征企业之间关联关系。本书系统地论述了企业媒体关联的定义、理论基础、合理性及优越性。在此基础上，构建基于媒体关联的企业关系网络，并对该企业网络中关联企业的关联关系进行分析，初步验证了在所构建的基于媒体关联的企业网络中，相互连接的企业的股票价格具有显著的关联性。

（4）分析与解决问题，验证基于媒体关联的企业动量溢出效应。

本书在构建了基于媒体关联的企业关系网络的基础上，探究基于媒体关联的企业关联关系对资产价格或收益率波动产生影响的作用机理和内在机制。金融学最新研究成果发现，相关企业的资产收益率之间存在领先滞后效应，即一个企业的证券资产收益率在过去的表现会对与之相关联的其他企业资产预期收益率具有跨期的预测作用。本书立足于实证资产定价研究的最新成果和研究方法，从大数据视角出发，论证了基于媒体关联的动量溢出效应在市场不同运行时期和运行状态下的存在性、合理性和稳健性，并将基于新闻共同报道建立的企业关联关系与现有研究中提出的反映企业基本面关联的企业关联关系进行对比，进一步论证了基于媒体关联的企业关联关系对资产价格波动的重要影响作用。

（5）进一步分析与解决问题，构建基于门控机制的自适应动态图神经网络模型（SA-GNN）。

基于金融学实证资产定价最新研究成果，以及本书的实证结果，本书进一步运用深度学习方法，深入分析动量溢出效应对资产价格波动的作用机理，捕捉并量化关联企业的动量溢出效应对资产价格波动的影响作用。事实上，资本市场涵盖了多样资产和各类市场参与者，是一个复杂且不断变化的综合系统。如何有效捕捉企业之间的各种关联关系在市场运行过程中对企业资产价格或收益率变动的动态影响和综合作用，是深入理解市场微观结构和内在运行机理的关键问题。传统的计量经济模型无法有效捕捉和量化这种非线性因素对资产波动的复杂影响。为了解决该问题，本书运用深度学习方法，构建基于门控机制的自适应动态图神经网络模型，将企业间多种关系进行融合，并动态地捕捉不同市场运行状态下企业之间关联关系的变化对股票价格波动的影响作用。

（6）应用与创新，构建面向证券市场波动的多源异构市场信息融合深度学习预测框架（MSRAF）。

本书从“融合”的视角出发，基于近代金融学理论成果，创新性地提出面向证券市场波动的多源异构市场信息融合深度学习预测框架，将影响证券市场波动的三大类因素放入统一的分析框架，以探究各类异构市场信息对证券波动的合力影响，并根据该框架展开基于动量溢出效应的深度学习量化交易策略研究，从而进一步逼近真实的市场波动。该框架实现了对证券市场复杂运行过程的合理建模，有助于洞悉复杂且动态变化的市场运行全貌，从而为政策制定者、上市公司，及所有市场参与者提供理论参考和决策支持。