文摘

本实证研究应用协整在传统测量方法首先建立定向加权网络的背景下,股票市场。然后,该方法用于设计指标和测量值模拟网络波动,研究股票市场交易网络的动态演化机制受到价格波动的影响。最后,网络的拓扑结构和鲁棒性进行了评估。结果表明,网络结构稳定性强在牛市阶段和熊市阶段。软弱的和网络的动态演化的收敛速度波动是在牛市阶段高于在熊市阶段。

1。介绍

在金融市场上,个人和机构投资者,上市公司,交易系统自组织特征。投资者之间的相互关系,投资银行和金融分析师、投资基金和上市公司等金融证券市场形成的网络拓扑结构。网络结构起着重要的作用在信息传输和风险蔓延。网络证券的浓度越高,波动越高的证券。此外,网络结构影响投资者的学习机制。即投资者经常使用他们的社会网络的不同方面更新投资信念和做决定。此外,网络结构有一定影响上市公司的决策和公司治理。网络结构可以用来反映资本市场波动和稳定。因此,描述了网络结构的证券波动的影响是一个可行的方法分析随机因素对金融市场的宏观行为。

网络结构已经应用在金融市场通过复杂网络理论和方法。但是网络结构不能发挥传统研究方法的优点,并很难分析和测量使用简单网络经济学的波动分析方法。因此,当前的研究采用协整的传统测量方法建立一个有向加权网络的股票市场和设计指标和仿真测量值的波动网络。我们的目标是研究股票市场交易网络的动态演化机制处于波动状态,从而评估网络的拓扑结构和鲁棒性。本文中使用的方法已经被研究和实际测试的上海-香港股票市场和连接定义为不同的时间窗口。

本文的其余部分的结构如下。部分2提供了一个回顾和评论之前,相关的文献。部分3描述了研究方法和模型构建和阐述具体方法用于分析股票市场的稳定。部分4提出了基于样本的实证分析股票从上海-香港股票市场联系起来。部分5提供了研究的结论。

2。相关的文献

金融行业的持续发展,市场实体之间的关系日益密切的广度和深度,形成了一个复杂的系统。受益于复杂网络理论的介绍和深化,通过描述的复杂的金融体系方法最好可以与传统的测量方法进行比较。金融体系的内部结构假定,而后者可能并不总是稳定的,它们可以长期相对稳定。金融和社会网络相似度分布和小世界效应。使用社会网络分析方法可以帮助开发一种新的识别金融网络中节点之间的关系(政府、机构和个人)和指导金融改革和金融风险的监管1,2]。到目前为止,在复杂金融网络的研究主要涉及他们的描述,以及分析其稳定性和程度可以携带蔓延的金融风险。

在描述金融网络,研究人员建立网络结构和探索网络统计的性质不同的金融机构(3- - - - - -7),股票市场(8- - - - - -10),国际股票市场11),未来原油和现货市场12),开放式基金市场13),和共同基金市场14]。例如,黄等。15)建造了一个金融网络的中国SH 180指数和深圳100指数成分股票和探索股票之间的相关性。大多数股票交易网络的描述和分析表明,股票交易网络的度分布的尾部具有幂律分布的特点(16]。王(17]构造加权股票二板市场在中国的网络通过上海证券市场的数据来源和研究股票网络的“富集团”系数。他发现明显存在这样一个“富集团”的探索随机网络具有相同的分布程度。

一些作品使用了复杂网络理论研究全球金融体系蔓延(卡莉et al ., 2009;时至今日,Kapadia 2010;陈et al ., 2016) (2,18,19),全球交易系统,建立了网络模型,研究全球通信对金融危机通过测量网络相关的指标和中心等4,19,20.]。研究之间的互动影响机制interfinance风险,一些工作建立了一个金融网络模型,使他们能够分析金融系统的健壮性的复杂网络理论的基础上(2010),Kapadia [19,分析了最优金融网络的共同特征和实际金融网络的拓扑结构19]。一些学者进一步研究网络结构的行为在金融危机蔓延并提出相关措施,提高金融系统的稳定性从金融网络的角度准备政策指导预防危机等级蔓延(2,4,7,19(吴et al ., 2014;陈et al ., 2016)。例如,Winecoff [21]研究了全球金融危机对政治和经济的影响从宏观角度建立一个复杂的网络模型。此外,一些研究金融网络的稳定工作。例如,Tumminello et al。22]采用MST和PMFG算法构建复杂网络纽约证券交易所的300只股票,发现数据频率越低,越突出的网络层次结构。黄等。23)使用一个阈值方法来构建中国股市的金融网络结构分析的性质和拓扑稳定性和研究网络的拓扑鲁棒性,发现虽然金融体系有一定的鲁棒性与一个随机攻击,这是脆性计算攻击。林等。24]MST和PMFG构建和分析金融市场网络动态突出网络中的关键节点,研究了网络稳定性和认证,这是健壮的识别关键节点使用复杂网络的中心节点。维塔利et al。25)动态分析网络节点之间的关系建立一个金融银行和企业之间的网络模型,分析网络的拓扑结构的指标,并研究网络的程度的刀枪不入。我们的目标是把计量经济学模型和复杂的金融市场网络建设和设计相关指标动态权衡这个网络的鲁棒性。

3所示。研究方法和模型构建

3.1。建立一个有向加权网络

两个或两个以上的非平稳时间序列的线性组合可能是静止的或低阶集成。在实际的金融市场中,存在某些不固定的时间序列,分析可能造成不便,但其他人是静止的(equal-average、有限方差和自相关系数是内生的滞后时间间隔的函数),并遵循的线性组合。从金融的角度来看,当不同的非平稳时间序列转化为固定的线性组合后,这些系列之间存在均衡。被称为协整关系,在长期的基础上是稳定的。在金融计量,协整可以描述两个或两个以上的系列之间的稳定的长期关系。因此,本文提出构建一个有向加权网络基于股票时间序列之间的协整。

一般来说,测试两个时间序列的协整,我们使用基于杨Engle-Granger两步方法et al。26和你27]。假设和是两只股票的对数回归系列,在哪里 在哪里表示恢复正确的股票价格在时间和表示恢复正确的股票价格在时间 。

然后,协整检验的和应该由假设方程 在哪里代表上述长期协整方程的截距项,被定义为回归系数,不平衡误差。

如果股票的数量 ,二二股票对可以完全形成 。在这种情况下,协整测试应该执行 次,以确定是否存在一个连接在两股之间。如果一对股票未能通过协整检验,然后两只股票之间存在的关系不稳定,存在一个相应的连接。

每组股票对通过协整检验,我们建立一个误差修正模型并使用一阶滞后系列来判断因果关系并确定的方向连接。得到的回归系数的方程作为边的重量。

如果在(3)是重要的但是在(4)是无关紧要的,股票的对数回归会影响股票的对数回归 。与此同时,股票的对数回归不会影响股票的对数回归 。因此,节点的方向和网络结构中,节点指向节点 ,重量是 。如果在(3),在(4)很重要,然后之间存在相互影响关系的对数回归股票和股票的对数回归 。网络中,节点和是双向的,它们的重量吗和 ,分别。

网络边缘的重量构成了网络的连接矩阵()。如果 、节点不指向节点 。在,然后使劲的每个节点计算使用 在哪里该节点指的是重量指向节点 , 意味着接近和指向的节点集,意味着节点接近和指向的节点集。

鉴于节点最大强度和允许一定程度的波动在每一个节点,每一个的波动沿一侧的传播网络。研究整个网络随时间的波动使整个网络的稳定性的评价。

3.2。分析矩阵网络的稳定性

假设网络中所有节点的股票收益 在时刻0,创建一个网络节点中的某些干扰在一定时间的收益率 变化的范围将由于中国股市的价格限制。探索的影响对网络节点产量时刻1,我们定义一阶效应矩阵如下:

一阶效应矩阵指的是一阶滞后效应体重如果收益率没有影响的产量当 。在其他情况下,当影响了 。如果无关 。

假设有一个每个股票节点的影响在其他证券网络中的节点,然后可以通过一个线性叠加方式的关系,如下方程表示:

如果变成了矩阵的格式,那么关系采用以下形式:

研究网络的动态演化特征产生干扰 0时刻随着时间的推移,本研究设计了基于体重相关测量指标矩阵。 在哪里是指的算术平均值 。指示器拒绝自发变化对股票的收益率的时间节点。结果只能探索网络产生干扰的影响 0时刻产生的整个网络通过网络交流。

4所示。实证研究和分析

4.1。数据来源和变量选择

中国证券监督管理委员会和香港证券及期货事务监察委员会共同发表了一份宣言》4月10日,2014年。2014年11月17日,事务是正式开放。本研究获得的884只股票的数据从数据库风作为初始样本,由568 Shanghai-to-Hong香港和316年的香港Kong-to-Shanghai股票交易。系列样品时间是11月17日,2014年,2016年1月27日。在此期间,上证综合指数达到5178 6月12日,2015年,但随后急剧下降,下降到2638年1月27日,2016年。然后,我们样品的时间窗系列分为两个部分。第一部分是从2014年11月17日至6月12日,2015年,被称为“不计入市场灾难。“第二部分从2015年6月12日到1月2日,2016年,被称为“post-stock市场灾难。“拒绝后44股票上市后悬架,剩下的840只股票被用作最后的样本(图1)。

4.2。网络的拓扑结构

表1表明,所有指标而言,股市灾难前的值低于灾难后,表明postcrisis网络结构变得更加一体化,而危机前网络结构更分散。

调查/使劲分布的拓扑网络结构的上海-香港股票之前和之后股市灾难表明,无论在使劲分布,整体实力分布更广泛的危机。例如,股市灾难前,大多数节点的in-strengths 50岁以下,最大的是高于100。相反,在灾难之后,大部分in-strengths超过100,甚至达到200(如图2(一个))。在危机之前,大多数节点受到的out-strengths 60岁,最大的是70年。灾难发生后,大部分in-strengths超过150,达成高达250(如图2 (b))。后者的结果表明,上海-香港股票市场连接的网络结构变得更加集成在股市灾难。因此,无论是在,还是使劲了泊松或正态分布,很胖的尾巴和明显的幂律分布特征。后者表示,在上海-香港股票市场,连接节点存在,out-strengths非常高,广泛受到其他节点。

同样,在视图/出度分布的上海-香港股票的拓扑网络结构连接样本对象之前和之后股市灾难,危机后的分布程度被发现更广泛的不管,或出度分布。例如,在金融危机之前,大多数节点的入度低于300,最大的是400年。相比之下,一个高比例的节点的度超过400年金融危机之后,达到高达600(如图2 (d))。在股市灾难之前,大多数出度低于200,最大的是300年。在股市灾难,很大一部分的出度超过400,达到600(如图2 (e))。这些结果表明,在股市灾难,上海-香港股票市场连接的网络结构变得更加紧密相连的。此外,度分布的幂律特征类似于强度分布的特点。

4.3。市场网络结构的稳定性

计算网络稳定,我们安排网络节点根据他们使劲首先选择的程度节点和给他们的干扰 。为了便于分析,我们认为 ,在那里了四个不同的价值观:−10%,−5%,5%,和10%,学位等于10。

图3表明波动可能会收敛随着时间的推移,这也表明体重波动的价值整个网络的收敛于一个固定的值。符合这一点,股市灾难后的波动幅度将超过之前的灾难。我们发现,当最初的波动是积极的,振幅传播在网络上主要是积极的。相反,当最初的波动是负的,振幅传播在网络上主要是负面的。这表明初始波动的方向决定了动态演化的方向波动在整个网络中。

图4显示初始波动的方向决定了后续网络的动态演化的方向。消极的初始波动在网络负方向改变,反之亦然。然而,过了一段时间后,波动可能会收敛。股市灾难之前,波动倾向于6 - 7的迭代收敛后,而在股市灾难,22到25后的波动往往收敛迭代。与此同时,网络的变化幅度很低在股市灾难之前,但增加在股市灾难。后者表明股市灾难前的网络结构是分散和快速消化外部干扰。相比之下,股市灾难后,网络结构更综合,但更多的系统性风险,网络结构无法迅速消化外部干扰。

4.4。网络结构除以时间窗及其稳定性

我们把整个时间窗的研究分为三个阶段,与一阶阶段和前面的分析(即不变。从11月17日,2014年,2015年6月12日)。此阶段代表了不断上涨的牛市。急剧下跌时期划分为两个阶段,第一阶段的急剧下跌的时间从6月12日,2015年,2015年8月25日。上证综合指数在这一阶段,呈现出急剧下降,从2964到5172在两个月内的最高点。第二阶段涵盖2015年8月25日,1月2日,2016年,事实上,一个阶段的整体大幅冲击。第一个篮板是记录了从2964年到3600年,然后下降到2638。鉴于这些波动,总体时间窗口分为三个阶段,即一阶阶段,也就是说,牛市阶段从11月17日,2014年6月12日,2015;二阶阶段,熊市阶段从6月12日,2015年8月25日,2015;和三阶阶段,急剧的冲击从8月25日,2015年1月2日,2016年。

从图5,波动往往是温柔和收敛时间的流逝,这表明 ,衡量波动在整个网络中,最终收敛于一个固定的值。的第二阶段波动的振幅对应于大幅下降的时期,是最高的,其次是第一阶段的股市灾难之前,波动的振幅在第三阶段(休克)是最低的。当最初的波动是积极的,振幅分布在网络主要是积极的,反之亦然。后者的结果表明,初始波动的方向决定了动态演化的方向的波动在整个网络中。

基于图6,初始波动的方向决定了网络的连续动态演化的方向。消极的最初的波动会引起网络改变消极的方向,但积极的最初的波动会引起网络改变积极的方向发展。然而,一段时间后,波动趋于收敛。在阶段1和3,这种趋同倾向于发生后6 - 7迭代,收敛,在第二阶段,往往发生在30迭代。结果强调的“冲击”阶段3,振幅的变化在网络中是最低的。这个结果之后,上升幅度在阶段1中,振幅的变化网络在急剧下跌阶段2中是最高的。这一结果表明,在上升,冲击阶段,网络结构是分散和快速消化外部干扰。同时,股票市场灾难后,在大幅下跌阶段,网络结构似乎更紧密,但增加水平的系统性风险是无法迅速消化外部干扰。

5。结论

本文选择一个样本的840只股票于11月17日,上海-香港股票连接市场2014年1月2日,2016年。这项研究把时间分为两个阶段:第一阶段覆盖11月17日,2014年6月12日,2015年的牛市阶段,第二阶段从6月12日,2015年1月2日,2016年,随着熊市阶段。随后,第二阶段是进一步分层为陡降阶段从6月12日,2015年8月25日,2015年,和强烈震荡阶段从8月25日,2015年1月2日,2016年。本文然后采用协整,因为它是在传统的测量方法用于建立定向加权网络的股票市场和设计指标和测量值模拟网络波动。这一步是研究动态演化机制进行股票市场交易网络时期的波动,从而评估网络的拓扑结构和鲁棒性。实证结果显示如下。的拓扑结构,网络结构在牛市阶段被发现分散,和网络节点度分布和强度分布范围小,表明网络的节点的普遍性和强度较低和少受或不影响其他节点。相反,在熊市阶段,网络结构紧密编织,有一个很大的节点度分布和强度分布范围,表明网络中的节点度和整体强度高,都影响和可能影响其他节点,在很大程度上。网络稳定,网络结构强烈稳定在牛市阶段。根据初始给定的波动,网络的动态演化迅速聚集,振幅很低。相比之下,在熊市阶段,网络结构的稳定性是弱,与动态演化收敛缓慢波动,波动的振幅也高。然后,通过进行鲁棒性分析,熊市阶段分为陡降和强烈震荡阶段。根据分析,在大幅下跌阶段,网络结构不稳定,波动幅度是非常高的,在融合之前需要很长一段时间。

结论本文提供补充知识的概念传统复杂网络理论的稳定。传统的复杂网络分析使用指标来评估网络连接。网络连通性越高,越稳定,越高程度的鲁棒性。因此,节点间距离越近,彼此在网络,节点度越高,重量越大。此外,网络的稳定性和健壮性会更高。这对股市的研究网络结构表明,网络结构多样化对应于系统性风险的多元化,从而有助于降低系统性风险。亲密的网络结构表明,多元化市场的系统性风险是有限的,当系统风险高,收敛性存在于整个股票市场。这个结果意味着面临外部干扰时,网络内的波动将会很高和风险沟通需要一段时间才能消失。

信息披露

Haifei刘和陈Tingqiang co-first作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Haifei刘和陈Tingqiang贡献同样这项工作。

确认

这项工作得到了国家自然科学基金(71771116号,71501094,71501131,71720107001),中国的江苏省自然科学基金(BK20150961号BK20161398)、哲学和社会科学研究的主要项目在江苏省高校(没有。2017 zdixm074),江苏省的金融工程重点实验室(没有。NSK2015-09),中央大学的基础研究基金项目没有。011814380027),清代江苏局域网项目。