发帖
雷达卡
MSTcode.rar
(4.52 MB, 需要: RMB 9 元)
本期尝试复刻2024年1月EE文章：Climate risk performance and returns integration of Chinese listedenergy companies
在这篇论文中，作者使用了最小生成树（MST）来探讨和揭示中国传统能源（48只个股）和新能源股票回报（34只个股）之间的关联结构与动态系统集成指数（System integration index）。
MST可以帮助识别和展示数据点（本例中为股票公司）之间最重要的关系。通过计算节点间的皮尔逊相关系数，并将这些相关性转换为距离，MST筛选出关系最紧密的节点对，构成一个不包含循环且包含所有节点的树状结构，使得整体的连接距离最小。
这种方法非常适合于展示大规模网络中的主要连接结构，有助于识别市场中的主导力量和潜在的群体结构。通过分析中心性指标和树的结构特性，研究人员可以进一步解析市场的动态和关键参与者的战略位置与风险传染路径。
研究发现：（1）同一行业内（无论是传统能源还是新能源）的公司更容易在彼此间传递回报，且具有相似特性的公司往往聚集在一起形成群集。
绿色节点代表清洁能源个股，红色代表传统能源个股：
（2）能源系统整合程度（蓝线）的变化呈现显著的时变特征，受到诸如突发事件、市场政策变化和供需关系等因素的影响。
②
本期主要针对以上两个结论进行复刻，尝试学习该作者贡献的方法。
从提供的数据与代码来看，整体较为完整。
但是，存在一些问题，需要修复才能够完整复刻原文的结果：
（1）提供了MST函数，但没有提供调用的代码，需自主添加至rolling-dam.m中：
添加后，把文件dyn_MST.m的名字改为与hanshufindMSTcent1.m，即可直接调用运行。
（2）Fig. 2. Static centrality network in chinese energy stocks是根据1110个时点金融资产的无向联通矩阵平均计算（代码没有交代、原文也没有交代）。
要复现该结果必须补充计算平均距离矩阵：
（3）缺少最小生成树的可视化代码
补充了该代码之后，MATLAB成功画出与原文（Fig. 2. ）一致的图：
原文图是基于其他软件绘制的，如下，以供对比（重点看51与1之间的链接）：
（4）原作者代码中缺少System integration index计算方法
更具原文提供的方法论，笔者补充了System integration index的计算，画出的结果与原文略有不同（主要是在2023年后趋势不一致，这很奇怪）：
这里确实不知道为什么，有兴趣的读者可以去试试看，究竟是我算出了还是....
作者后续还利用GARCH-MIDAS做了System integration index驱动因素的分析，感兴趣的读者可以自行复现，用我算出的这个指数，后续的结果可能就不显著了。因此，就不做了。
京公网安备 11010802022788号
