Resumen de Structural analysis and evolutionary exploration based on the research topic network of a field: a case in high-frequency trading

Mengran Xia, Han Huang, Hongyu Wang, Jing Lin

• español

  Este estudio tiene como objetivo analizar sistemáticamente la dinámica de distribución de los temas de investigación y descubrir el estado de desarrollo de la investigación en el campo específico, lo que proporcionará una referencia práctica para desarrollar servicios profesionales de conocimiento de la materia en la era de los grandes datos. La red de temas de investigación se construye y analiza utilizando métodos y herramientas de la cienciometría. Se realizan estadísticas básicas sobre las características de la red para revelar el estado de la investigación. Se llevan a cabo la detección de comunidades, la ordenación de nodos y otros pasos para generar el diagrama aluvial evolutivo. Luego, se analizan los resultados relevantes para explorar la estructura del conocimiento del campo específico y el contexto evolutivo de los temas de investigación. Se ejecuta un análisis de visualización de la estructura de red del último período para distinguir conceptos relacionados y predecir las tendencias de investigación. Tomando como caso el comercio de alta frecuencia (HFT), este estudio logra un análisis cienciométrico diversificado de la red de temas de investigación y una exploración de la evolución multidimensional de los temas de investigación relevantes en el campo específico, lo que permite obtener algunos conocimientos. (1) Seis temas principales en HFT: liquidez y microestructura del mercado, eficiencia del mercado, mercado financiero, mercado incompleto, cointegración y descubrimiento de precios, y estudio de eventos. (2) El enfoque de investigación sobre los mercados se transfirió gradualmente de internacional a emergente, mientras que la atención continua a los problemas relacionados con la volatilidad/riesgo. (3) El énfasis cambiará de la teoría a la práctica, las tecnologías (big data, etc.) y las teorías (behavioral finance, etc.) tendrán más interacción con HFT. Se propone una idea de investigación efectiva para revelar la estructura del conocimiento de campo y analizar el contexto evolutivo de los temas de investigación, lo que demuestra las percepciones del conocimiento.

• English

  This study aims to systematically analyze the distribution dynamics of research topics and uncover the development state of the research in the specific field, which will provide a practical reference for developing professional subject knowledge services in the era of big data. The research topic network is constructed and analyzed using methods and tools of scientometrics. Basic statistics on network characteristics are performed to reveal the research status. Community detection, node ordering, and other steps are conducted to generate the evolutionary alluvial diagram. Then, relevant results are analyzed to explore the knowledge structure of the specific field and evolutionary context of research topics. Visualization analysis on the network structure of the latest period is executed to distinguish related concepts and predict the research trends. Taking high-frequency trading (HFT) as a case, this study achieves diversified scientometrics analysis of the research topic network and multi-dimensional evolution exploration of the relevant research topics in the specific field, which obtaining some knowledge insights. (1) Six major topics in HFT: liquidity & market microstructure, market efficiency, financial market, incomplete market, cointegration & price discovery, and event study. (2) The research focus about markets gradually transferred from international to emerging, meanwhile continuous attention to volatility/risk related issues. (3) The emphasis will change from theory to practice, technologies (big data, etc.) and theories (behavioral finance, etc.) will have more interaction with HFT. An effective research idea is proposed to reveal the knowledge structure of field and analyze the evolutionary context of research topics, which demonstrating the knowledge insights.