极端行情下中国股市社团结构及系统性风险分析

发布时间：2021-01-28 20:09

　　以2008,2015年国内两次股灾为背景,分别构建股灾前、中、后的中国股市网络社团结构.基于网络中心性构建节点系统重要性及股市系统性风险指标,分析各时期网络社团内核心股票、行业、股票组合及其变化,探究系统性风险与网络拓扑指标、宏观经济指标的相关性.结果表明:股灾期间,工业板块受挫严重,原材料、金融地产、医药卫生板块发挥护盘及修复股指的作用;发现3种特殊的社团结构及部分社团间出现相互融合的趋势;在股指极端波动时期,中国股市系统性风险与部分网络拓扑指标及宏观经济指标具有显著相关性. 

【文章来源】：东北大学学报(自然科学版). 2020,41(10)北大核心

【文章页数】：9 页

【部分图文】：

中国股市网络社团结构(阶段1)

为从多角度综合分析并有效识别各股票在股市中的系统重要性，对4种中心性指标(DCi,BCi，βCi,CCi)进行因子分析．在阶段1的波动前期，4种中心性指标(DCi,BCi，βCi,CCi)间的相关系数及对应显著性如表1所示，可知，在1%显著水平下，4种指标两两之间具有显著的正相关性．且KMO检验统计值为0.78，巴特利特球形度检验统计值为366.101(对应的伴随概率为0)．综上可知，这4种中心性指标(DCi,BCi，βCi,CCi)适合做因子分析．总方差解释表如表2所示，第一公因子对应的特征根较大且对样本的方差贡献率为85.094%，故只提取一个公因子．基于DCi,BCi，βCi,CCi进行因子分析得到的综合指标为Si,Si代表节点在网络中的系统重要性，Si越大，其对应的股票在股市中的系统重要性越大．(由于篇幅原因，这里只列出了阶段1波动前期的具体因子分析结果，其他阶段的因子分析结果同样很好)．2.3社团内核心股票及核心行业的筛选、社团结构特征及变化分析

【参考文献】：
期刊论文
[1]我国金融机构系统性金融风险度量与跨部门风险溢出效应研究[J]. 杨子晖,陈雨恬,谢锐楷.  金融研究. 2018(10)
[2]股指极端波动下中国股票市场网络拓扑结构[J]. 张伟平,庄新田,李延双.  东北大学学报(自然科学版). 2018(10)
[3]基于复杂网络的金融风险跨市场传导机制研究——以金融危机时期（2007～2009年）数据为例[J]. 刘超,郝丹辉,唐孝文,刘宸琦.  运筹与管理. 2018(08)
[4]沪港通交易制度能提升中国股票市场稳定性吗?——基于复杂网络的视角[J]. 刘海飞,柏巍,李冬昕,许金涛.  管理科学学报. 2018(01)
[5]沪深两市股权关联网络的社团结构及其稳健性[J]. 马源源,庄新田,李凌轩.  系统工程理论与实践. 2011(12)



本文编号：3005612