中国股市的影响力网络

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Influence network in Chinese stock market》
---
作者：
Ya-Chun Gao, Yong Zeng, Shi-Min Cai
---
最新提交年份：
2015
---
英文摘要：
  In a stock market, the price fluctuations are interactive, that is, one listed company can influence others. In this paper, we seek to study the influence relationships among listed companies by constructing a directed network on the basis of Chinese stock market. This influence network shows distinct topological properties, particularly, a few large companies that can lead the tendency of stock market are recognized. Furthermore, by analyzing the subnetworks of listed companies distributed in several significant economic sectors, it is found that the influence relationships are totally different from one economic sector to another, of which three types of connectivity as well as hub-like listed companies are identified. In addition, the rankings of listed companies obtained from the centrality metrics of influence network are compared with that according to the assets, which gives inspiration to uncover and understand the importance of listed companies in the stock market. These empirical results are meaningful in providing these topological properties of Chinese stock market and economic sectors as well as revealing the interactively influence relationships among listed companies.
---
中文摘要：
在股票市场中，价格波动是互动的，即一家上市公司可以影响其他公司。本文试图通过构建一个基于中国股市的有向网络来研究上市公司之间的影响关系。这种影响网络表现出明显的拓扑性质，特别是一些能够引领股市走势的大公司得到了认可。此外，通过分析分布在几个重要经济部门的上市公司子网络，发现不同经济部门之间的影响关系完全不同，其中确定了三种类型的连通性以及枢纽型上市公司。此外，将影响力网络中心度指标得出的上市公司排名与根据资产得出的排名进行了比较，这对揭示和理解上市公司在股票市场中的重要性具有启发意义。这些实证结果对于提供中国股票市场和经济部门的拓扑特性以及揭示上市公司之间的相互影响关系具有重要意义。
---
分类信息：

一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Physics        物理学
二级分类：Data Analysis, Statistics and Probability        数据分析、统计与概率
分类描述：Methods, software and hardware for physics data analysis: data processing and storage; measurement methodology; statistical and mathematical aspects such as parametrization and uncertainties.
物理数据分析的方法、软硬件：数据处理与存储；测量方法；统计和数学方面，如参数化和不确定性。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Influence_network_in_Chinese_stock_market.pdf (1.39 MB)

2022-6-9 11:57:07 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：中国股市 影响力 国股市 relationship Quantitative

中国股市影响力网络高亚春、曾勇、蔡世民中国电子科技大学经济与管理系，四川成都，611731，中国电子科技大学中国网络科学中心，四川成都，611731，中国电子邮箱：石敏。cai81@gmail.com（S.-M.Cai）摘要。在股票市场中，价格波动是互动的，即一家上市公司可以影响其他公司。在本文中，我们试图通过构建一个基于中国股市的有向网络来研究上市公司之间的影响关系。这种影响网络显示出明显的拓扑特性，特别是一些能够引领股市趋势的大型公司得到了认可。此外，通过分析分布在几个重要经济部门的上市公司的子网络，发现各个经济部门之间的影响关系完全不同，其中有三种类型的连接以及枢纽型上市公司。此外，将从影响力网络的中心度指标获得的上市公司排名与根据资产评估得出的排名进行了比较，这对揭示和理解上市公司在股票市场中的重要性具有启发意义。这些实证结果对于提供中国股票市场和经济部门的拓扑特性以及揭示上市公司之间的互动影响关系具有重要意义。PACS编号：89.65。Gh，89.75。Fb，05.45。Tp1。

简介在现代投资组合理论中，风险分散是最基本的问题，涉及到对港口资产的集群行为和风险传染的理解。因此，在股票市场中，上市公司资产（即股票）的价格波动与其他资产平行，或受到其他资产的交互影响。广泛使用的互相关分析（cross correlationanalysis）是研究股票对之间互动关系的重要手段，有助于理解复杂经济系统的动态机制。例如，随机矩阵理论（RMT）表明，价格波动的互相关矩阵的特征值和相应特征向量与股票的聚类行为和经济部门划分（或分类）相关[1、2、3、4]。同时，随着复杂网络理论的发展，提出了多种基于互相关的股票网络来描述互动关系，如最小生成树（MST）[5，6，7，8]，平面最大过滤图（PMFG）[9]，阈值网络（TN）[10，11，12]等，通过复杂的网络测量，种群的聚集行为可以很好地与从这些种群网络中划出的群落相关联。为了评估风险传染，许多工作都致力于从定向网络的角度分析影响关系。Kenett等人【10】引入了偏相关的测量方法，构建了上市公司的TN和PMFG，并揭示了股票市场中的主导因素。Engle-Grangermethod【13】是一种获得上市公司之间不对称影响（即GrangerCausional）的另一种方法。例如，Yang等人。

[14] 基于恩格尔-格兰杰协整检验构建了全球股票市场的直接协整网络，并对节点进行排序分析以区分其重要性。此外，由于最大相关性的时间偏移，还应用时间相关互相关[15、16、17]来确定一对上市公司之间的关联方向。如果时间偏移不为零，则假设这些上市公司存在“拉动”效应。作为一个重要的新兴市场，中国股市具有独特的特性，例如更强的相互关联性和更低的市场效率[1 8]。很少有作品涉及单向影响关系[19，20]。然而，这些结果是基于每日股票收益率得出的，因此在考虑有效市场的情况下可能会有争议。在本文中，我们主要关注中国股市的风险传染，通过在逐分钟价格波动的时间序列的基础上构建一个有向影响网络，并采用时间相关的交叉相关方法，这在美国股市中表现良好【15】。与以往文献不同，我们不仅分析了全球拓扑结构，还分析了几个重要经济部门的子网络，旨在探索中国独特的经济结构。实证结果揭示了涉及部门内影响关系的三种连接类型。我们还比较了节点中心性的几种度量方法，以找出该影响网络中上市公司重要性的可用表征。这些发现提供了关于表1的有趣信息。

数据集中各经济部门的股票数量。部门编号部门编号金融22建筑23矿业30能源42制造418房地产58批发零售59交通47住宿与餐饮服务3农业14信息技术20其他服务1休闲与商务服务8公用事业2科技服务1医疗保健1公共管理25娱乐5中国股市的拓扑属性和给出投资组合管理中风险传染的重要提示。2、材料和方法2.1。数据集该数据集包括在上海证券交易所（SSE）交易的779只股票（即上市公司）。这些股票属于18个经济部门，其名称和规模如表所示。1.价格波动以最小频率采样，可以快速响应股票之间的互动影响关系。工作时间为2010年全年，共242个工作日，工作时间为4小时。对于每只股票的价格波动，其在时间尺度上的回报通过以下方式获得t（t）=ln[p（t）]ln[p（t- t） 】。（1） 我们设置t=1分钟，因为lar gert可能超出最大值。和r为了简单起见，t（t）由r（t）表示。2.2. 时间相关交叉相关性为了评估股票之间的交互影响关系，计算了它们的时间相关交叉相关性。在一个交易日T内，stocksi和j之间的相关性可以计算为asCTi，j（τ）=hri（T）rj（T+τ）i- hri（t）ihrj（t+τ）iσiσj，（2）其中σi和σjare是ria和rj的标准偏差，CTi中的参数τ，j（τ）是时间偏移。改变T，则在交易日内对CTi，j（τ）进行平均，以过滤Dairy效应[21，22，23]，平均值用Ci，j（τ）表示-30-20-10 0 10 20 30-0.040.000.040.08C（）ACGK-ZSYH图1。

（在线彩色）股票ACGK和ZSYH之间随时间变化的互相关，作为时间偏移τ的函数。最大值出现tτmax（i，j）=-1，表示股票ZSYH影响股票ACGK的价格波动。表中列出了公司的所有缩写。4、具有不同的τ值∈ [-100，100]，然后获得相应的Ci，j（τ），选择其中的最大值，表示为Cmax（i，j），及其相关的时间偏移τmax（i，j）。例如，图1所示的a s，i（ACGK）和j（ZSYH）之间的Ci，j（τ）随τ的变化而变化，其中Cmax（i，j）=0.0 7是在τmax（i，j）=-1、这表明股票j影响股票i的价格波动。此外，为了区分Cmax（i，j）与噪声，参数R（i，j）被测量为Cmax（i，j）的比率，噪声强度被定义为所有相关值随时间的方差，从峰值开始移动大于10分钟，因为最大峰值宽度为6分钟。2.3。在影响网络结构中，通过时间相关的互相关，可以定量测量所有股票对的影响关系。为了构建描述影响关系的有向网络，我们采用了文献[15]中提出的方法，该方法强调，如果股票i和j之间存在有向联系，则三个参数Cmax（i，j）、|τmax（i，j）|和R（i，j）应同时超过一定的阈值。很明显，影响网络的拓扑结构与这些阈值直接相关。图2分别显示了作为Cmax和R函数的最大组件的大小。我们可以看到，只要提高Cmaxor R的阈值，最大组件的大小就会减小，因为过滤了更多的链接。

在这两种情况下，都存在一个临界点，即全连通网络分解，最大组件的大小迅速减小。根据基于渗流的方法【11，12】，从完全连接到孤立组分的相变点的值为Cmax≥ 0.04 andR≥ 4、此外，|τmax（i，j）|≥ 需要1个。在影响网络中，库存i和j之间的链路Li、jb是单向的，由τmax（i，j）的符号确定。如果τmax（i，j）<0，则股票i的当前价格为0.00 0.05 0.10 0.15 0.200200400600800 Cmax（a）2 4 6 8 10 1260064068070760800 Cmax（b）1最大复合物的大小t阈值图2。影响网络最大分量的大小与（a）Cmax（R=4）和（b）R（Cmax=0.039）的各种阈值相比。受前一个库存j的影响，表示从i到j的链接方向。否则，如果τmax（i，j）>0，则链接从j指向i。应该指出的是，在我们的网络中，如果j影响i，则从i到j设置有向链接，然而，反过来也是可行的选择。当τmax（i，j）=0（即，等时互相关）时，我们认为相互影响是一种外部影响。两支股票的价格波动可能由股票市场趋势或经济部门的环境变化引起。因此，在这种情况下，库存i和j没有连接。为了进一步消除相关性最大值归因于偶然大值而非实际关联的噪声，将尺度年分为三个时期，在每个时期计算Ci，j（τ），并根据其建立相邻矩阵，网络中只考虑所有三个阶段中存在的链接，以确保结果的稳健性。3、实证结果3.1。

流入网络分析产生的流入网络边缘密集，平均度数高达34.84。图3分别显示了入度和出度的分布。当k阶为小尺度时，二者近似呈指数衰减。然而，流入度和流出度分布中的厚尾表明，流入网络中存在一些集线器状节点。换言之，一些大型股票可以对中国股市产生强大的影响，甚至可以控制中国股市的走势。在选项卡中。2、排名前十位的股票主要分布在矿业和金融领域，几乎影响整个股市。例如，中国最大的上市公司ZGSY影响了所有经济部门的600多只股票，如图4所示。然而，有趣的是，除金融部门外，所有经济部门中的大多数都受到影响，只有一小部分与ZGSY相关。此外，我们还注意到1 10 100110100p（k）In degree out degree之间的交互影响关系如图3所示。（在线彩色）流入网络的入度（黑色正方形）和出度（红色实心圆）分布。入度和出度分布中的肥尾表明存在对其他节点有强烈影响的枢纽状节点。图4：。（彩色在线）ZGSY对分布于17个经济部门的616只股票的影响可视化。边缘的厚度表示某一经济部门中与ZGSY相关的股票数量。

具体而言，18个经济部门的比例为：农业13/14，采矿业21/30，制造业359/418，能源32/42，建筑业19/23，批发零售业47/59，运输业30/47，服务业（包括4类）11/13，信息技术16/20，房地产39/58，娱乐业4/5。2/2公用事业公司、1/1医疗保健公司、18/25公共管理公司表2。排名前十的公司拥有最高的学位。学位行业公司学位行业公司ZGSY 616财务ZGTB 594财务ZSYH 585财务JTYH 580财务HXYH 578财务ZGRS 551财务PFYH 542矿业SHE 538财务XYYH 538财务BJYH 511图5。（彩色在线）排名前50的公司之间的连通性，拥有最高的度。这些类似核心的影响网络中几乎没有边缘。排名前50位的股票。图5显示，只有12个定向连接，这表明这些股票相对独立，也就是说，它们的价格波动相互平行。尽管如此，ZGSY仍然在这一领域发挥着重要作用，因为其等级为6，相当于总连接数的一半。此外，我们还注意到，这些程度较高（即影响较大）的节点具有较高的资本化程度。Lo和MacKinlay[24]利用周收益数据研究了影响与资本化之间的正相关关系。为了观察高频返回数据中的这种影响，我们计算了两个连接节点i的资产差异→ j as【25】Lij=Lj- Li（3），其中L代表权益资本，通过平均2010年初和2010年底的权益资本获得。图6显示了所有L整个网络的值。可以发现，峰值位于L>0而非零，0.03.0x10116.0x10119.0x101104008001200-1x101001x10102x103x1010040008001200LP（L）LP（L）图6。

（在线彩色）分布Lijfor所有链接。插图是分布的全貌，而大型图像动物园位于山顶附近。红色圆点表示Lij=0。峰的形状是不对称的，因为右侧更胖。这些属性表明，资本规模较小的上市公司往往会受到资本规模较大的上市公司的影响，但资本规模较大的上市公司不会受到影响，这与之前的研究一致，从而证实了这种影响网络的有效性。请注意插图，右尾倾向于下垂，这与度分布中的肥尾有关。在上述讨论中，涉及到最具流动性的股票。除此之外，我们还分析了受影响最大的股票，以更好地了解影响网络。如选项卡所示。3、展示了排名前十位的股票及其经济板块。可以看出，它们与那些最具影响力的完全不同。与选项卡相比。2、它们的外度值远低于内度值，这表明这些股票仅受一部分其他股票的影响，而这些受影响最大的股票分布在更为多样化的经济部门，如制造业（5）、房地产（2）、能源（1）、运输业（1）和批发零售业（1）。然而，很容易理解这种差异，因为在股票市场上，这些流动股票能够通过网络的级联效应吸引其他股票，但这些受影响的股票并不一定会被所有其他股票所吸引。3.2. 经济部门的子网络分析我们对整个规模的影响网络进行了概述性调查，但需要探讨部门内互动影响关系的信息。