符号相似网络中市场图识别问题的最优决策

市场图的研究在市场网络分析中引起越来越多的关注。与市场图相关的一个重要问题是从观测中识别它。市场图识别的传统方法是使用基于股票对之间皮尔逊相关性的统计估计的简单过程。最近引入了一类用于市场图识别的新统计过程，并证明了这些过程在皮尔逊相关高斯网络中的最优性。然而所得过程仅在股票属性的高斯多元分布下具有高可靠性。纠正此缺点的一种方法是考虑由股票两两相似性的不同度量生成的不同网络。在此背景下一个新的有前景的模型是符号相似网络。本文考虑符号相似网络中的市场图识别问题。引入一类用于市场图识别的新统计过程，并证明这些过程的最优性。数值实验检测到符号相似和皮尔逊相关网络中最优过程的质量存在本质差异。特别地，观察到符号相似网络中的最优识别过程的质量对股票属性分布的假设不敏感。