交叉持股网络与股价同步性：来自

直径和路径长度的平均值分别为13.2308和4.6285，这表明任何两个企业都将在其他五个企业的平均值内联系起来。我们还发现，平均聚类系数为0.0672，表明由同一家公司关联的两家公司中，约有7%的时间也是相互关联的。表1的面板B显示了基于行业分类的样本公司在整个行业的分布情况。超过50%的样本企业来自制造业，其次是运输和物流业，分别为9.04%和7.26%。教育行业的公司占总数的1%。C组报告了我们样本公司的y e ar分布情况。样本期早期，公司数量有所增加，跨sha再持有活动受到2015年中国股市崩盘的影响。3.4。变量描述性统计数据样本包含200年4月至2016年期间的7287个固定年份。对于每一个固定年份，我们回归Eq。（1） 并获得其R。根据式（2）计算相应的SYN。总共有7287个Rand SYN。因为尽管上市公司名单中有在上海或深圳A股交易所上市的公司，但他们的一些股东在上海或深圳B股交易所上市。因此，我们采用综合（价值加权）A+B股指数作为基准指数，以充分涵盖整个市场的信息。表1：样本分布。面板A显示了初始样本交叉持股网络的汇总统计数据。直径是网络中分隔任意两个公司的最长步数。路径长度是两个企业之间通过最小步数测量的距离。

聚类系数描述了企业交叉股东之间的关联性。B组根据中国证监会发布的《上市公司行业分类指引》，展示了样本公司在各行业的分布情况式中，A=农业，B=采矿，C=制造业，D=电力、天然气和水，E=建筑和施工，F=运输和物流，G=信息技术，H=商业，I=房地产，J=服务，K=文化和媒体，L=企业集团，M=科学研究和技术服务，N=水利、环境和公共设施管理，P=教育，Q=卫生和社会工作，R=文化，体育和娱乐，S=综合。面板C显示了每年的分布情况。A组：2004年2005年2007年2008年2010年cross sha再持有网络特征汇总统计公司697 700 718 817 827 887 1004链接1193 1185 1245 1581 1461 1877 1890直径13 14 12 12 12 12 Ave。路径长度4.790 5.038 4.727 4.199 4.238 4.138 4.528聚类系数。0.103 0.091 0.107 0.094 0.069 0.068 0.0512011 2012 2013 2014 2015 2016976 96 0 994 1025 902 9051726 1671 1622 16341 126713 13 16 12 154.484 4.556 4.715 4.660 4.860 5.2380.046 0.064 0.057 0.059 0.034 0.031面板B：行业分布C D E F G H I 53 267 3888 429 212 659 427 40 345%73 3.66 53。36 5.89 2.91 9.04 5.86 0.55 4.73K L M N P Q R S总计529 11 8 33 57 1 6 126 87 72877.26 1.62 0.45 0.78 0.01 0.22 1.73 1.19 100 C组：2004 2005 2006 2007 2008 2009 2010年年度分配223 29 0 337 437 488 527 651%3.06 3.98 4.62 6.00 6.70 7 8.23 2011 2012 2013 2014 2015年总计722 76 8 825 789 597 633 7287%2004-2016年期间，每年9.91 10.54 11.32 10.83 8.19 8.69 100，我们构建了一个交叉持股网络，并计算了三个中心度测度degree、Eigen和Between。

偏度（Skew）和峰度（Kurt）根据每个尺度年的特定周回报计算。我们还收集了2004年至2016年各财年的以下变量：上一财年末的规模对数（规模、上一财年末的账面市盈率（Bm）、上一财年末的杠杆率（Lev）和同期股本回报率（Roe）。表2给出了相关关键变量的描述性统计数据。平均值和中位数分别为0.5415和0.5498。平均值和中值SYN分别为0.1821和0.2000。SYN度量是使用Hutton等人（2009）引入的市场模型的相同规格计算的。同期净资产收益率（Roe）的均值和标准差分别为6.9378和129。1204年，表明整个样本的Roe差异显著。度、本征值和介于之间的值描述了g fir ms在网络中的位置，从样本的中位数到第95个百分位急剧增加，这表明交叉持股网络的厚尾现象（Ma et al.，2011）。正如我们所看到的，在交叉持股网络中，存在着一种核心-外围结构：一小部分企业高度关联，而其他大多数企业的关联度较低。表3给出了变量的相关矩阵。

皮尔逊相关性和斯皮尔曼相关性表2：主要利益变量的描述性统计数据，包括R、股价同步性（SYN）、上一财年末的规模对数（size）、上一财年末的账面市盈率（Bm）、上一财年末的杠杆率（Lev），每一标度年的当期净资产收益率（Roe）、企业特定周收益率的偏斜度（Skew）和峰度（Kurt），以及三个交叉持股网络中心度指标。平均标准偏差5 Pctl。第25个Pctl。第75名Pctl中位数。第95届Pctl。R0.5415 0.1625 0.2580 0.4270 0.5498 0.6634 0.7948SYN 0.1821 0.7330-1.056 4-0.2939 0.2000 0.6785 1.3542斜交0.6869 1.3366-0.6481 0.0069 0.4120 0.9539 3.3222库尔特4.2276 2.5955 0.8365 2.9065 3.6626 4.8803 8.8764尺寸15.6493 1.1759 13.9694 14.8061 15.5125 16.3595 17.792 5Bm 1.1330 1.0728 0.2007 0.4503 0.7892 1.4282 3.2417Roe 6.9378 12 9.1204-2.57 06 3。9800 8.2 984 13.1446 23.2316Lev 47.7206 21.6230 13.0359 32.3652 48.7223 63.5548 78.717 6度0.0033 0.0045 0.0010 0.0010 0 0。0020 0.0034 0.0113特征值0.0312 0.0664 0.0000 0.0009 0.0077 0.0309 0.1344介于0.0026 0.0068 0.0000 0.0000 0.0000 0.0022 0.0128之间的值显示在上下三角形中。毫不奇怪，在程度、特征和之间存在正相关，这表明这三个变量在描述网络中的企业地位方面发挥着共同作用。此外，我们发现SYN与这三个网络中心性变量之间存在显著的正相关关系。

一些控制变量（如规模、Roe和Lev）与SYN呈正相关，这使得我们在控制这些重要因素后，进一步研究了企业在交叉持股网络中的地位与股价同步性之间的关系。表3：相关关键变量的相关矩阵。皮尔逊相关性列在对角线下方，斯皮尔曼相关性列在对角线上方。RSYN度特征值介于Skew Kurt Size Bm Roe LevR1.0000 1.0000 0.1588 0.0877 0.0958-0.1131-0之间。1244 0.2139 0.0606-0.0663 0.0521SYN 0.9958 1。0000 0.1588 0.0877 0.0958-0.1131-0.1244 0.2139 0.0606-0.0663 0.0521度0.1042 0.1080 1.0000 0.5811 0.8870 0.0463-0.0918 0.1233 0.1624 0.0677 0.0835特征值0.081 0.0820 0.7353 1.0000 0.5567 0.0602 0.0171 0.1697 0.1391 0.0596 0.0945介于0.0897 0.0940 0.8630 0.5352 1.0000 0.0346-0.0122 0.1994 0.1607 0.0545 0.0847偏斜-0.0622-0.0611 0.0331 0.0331-0.0029 1.0000 0.1357-0.0522 0.1629-0.0354 0.0676Kurt-0.1266-0.1244-0.0265 0.0113-0.0059-0.0409 1.0000 0.0719 0.0280-0.1351 0.0113尺寸0.0963 0.1078 0.1896 0.1042 0.1621-0.0090 0 0.0098 1.0000-0.1090 0 0 0.2737 0.0932Bm 0.0621 0.0640 0.1109 0。1073 0.1033 0.1376 0.0737-0.0004 1.0000-0.2022 0.6273Roe 0.0087 0.0077 0.0126 0.0076 0.0193-0.0257 0.0117 0.0093-0.0211 1.0000 0.0061Lev 0.0433 0.0445 0.0434 0.0485 0.0437 0.0425 0.0137 0.0053 0.5215-0.0118 1.00004。实证研究本部分采用单变量分析和多变量分析来检验交叉持股与同步性之间的关系。我们还使用股票价格同步性的替代指标来测试我们的结果。4.1. 单变量分析我们从SYN的结果开始，SYN测量市场范围和行业范围的信息在证券市场上反映的速度。

由于交叉持股水平的提高减少了企业与投资者之间的信息不对称，我们预计，在交叉持股网络中处于更核心位置的企业在股票市场中的非理性定价因素会更少，其股票的定价也会更合理，从而导致更高水平的价格同步性。一种相互竞争的预期是，如果一家公司在网络中处于更为中心的位置，则交叉持股导致的信息环境的改善将加速公司特定信息的生成，降低股价的同步性（Hutton等人，2009；Gul等人，20 10；Bai等人，2016）。在每个财年中，我们根据上一财年末的总市值（规模）将当年的样本分为三组。对于每个规模组，我们根据分类的同期股本回报率（Roe）将数据划分为五个组，其中每个组具有相同数量的数据点。对于每个大小的Roegroup，我们根据分类的集中度度量（度、特征值或中间值）将数据划分为五个组，其中每个组也有相同数量的数据点。