中国股市区域相依关系及其动态演化研究——以2015年股灾为分析背景
发布时间：2022-01-24 16:47
通过计算中国31个地区之间股票区域指数的互信息,分析在2015年股灾及其前后时间内,中国股市区域间的相依关系,并采用滑动窗口方法分析该关系的演化。研究发现,在股灾期间,各区域指数的相依关系急剧增加,且在4个期间中达到最大;在中国各区域之间,股市的地理聚类现象并不明显,与其他区域联系最为广泛的是山东、江苏和浙江;广东、上海、北京3个区域彼此之间始终保持着较强的联系,但与其他区域之间的联系较少。
【文章来源】：复杂系统与复杂性科学. 2020,17(02)CSCD
【文章页数】：10 页
【部分图文】：
恢复期区域指数网络热力图
图6显示了平静期、牛市期、股灾期和恢复期中，区域指数网络各个节点的强度。图中横坐标的数字为表1中的市场编号，纵坐标为节点的强度值（NS），其中，图6a和图6b纵坐标的范围是0～40，图6c纵坐标的范围是0～70，图6d纵坐标的范围是0～50。对比这四个图我们可以发现，股灾期中股票区域指数之间的相依关系是最高的，相依关系较低的是平静期和牛市期，并且在前三个时期中，山东区域指数（NO.21）始终保持着最打的节点强度。从图6d中可以看到，在恢复期，网络的节点强度普遍出现下降，说明这一时期各区域间总的联系降低，但是大部分区域指数的节点强度仍然比平静期和牛市期的节点强度高。同时注意到，贵州区域指数（NO.7）、内蒙古区域指数（NO.18）、宁夏区域指数（NO.19）、青海区域指数（NO.20）、西藏区域指数（NO.27)5个地区的节点强度很弱，且贵州区域指数（NO.7）、内蒙古区域指数（NO.18）两市场的节点强度下降幅度较大。3.2 股市区域相依关系核心结构构建
图3展示的是在牛市期中国股市区域相依关系，从中可以看出，在这期间主要体现在贵州综合指数（NO.7）、海南综合指数（NO.8）、内蒙古综合指数（NO.18）等与其他市场之间的边权值增加，但是整体上31个区域之间的互信息值变化不大。该结论不同于谢赤等对2008年金融危机之前牛市的研究，该研究认为股票市场的关联网络结构在牛市时其关系会更加紧密[26]。图3 牛市期区域指数网络热力图
【参考文献】：
期刊论文
[1]一种基于文本互信息的金融复杂网络模型[J]. 孙延风,王朝勇. 物理学报. 2018(14)
[2]美国股市会影响金砖国家股市之间的相关性吗?——线性和非线性条件Granger因果检验[J]. 王璐,黄登仕,乔高秀,马元慧. 系统工程. 2018(05)
[3]金融危机对全球股票市场的传染研究:基于复杂网络分析方法[J]. 王克达,庞晓波,王姗姗. 世界经济研究. 2018(04)
[4]Return and Volatility Spillovers Effects:Study of Asian Emerging Stock Markets[J]. Bhowmik RONI,Ghulam ABBAS,Shouyang WANG. Journal of Systems Science and Information. 2018(02)
[5]基于时变T-Copula模型的中国股市国际一体化研究[J]. 谈勇贤,郭颂. 统计与决策. 2018(06)
[6]牛熊市视角下股票关联网络动态拓扑结构研究——以上证50指数为例[J]. 谢赤,边慧东,王纲金. 复杂系统与复杂性科学. 2017(01)
[7]基于DCCGARCH模型的金砖四国股市动态相关性研究[J]. 朱沙,赵欢. 统计与决策. 2015(14)
[8]国际多元化下多维金融市场相关结构测度——以金砖国家新兴市场为对象[J]. 王璐. 数理统计与管理. 2015(03)
本文编号：3606938
【文章来源】：复杂系统与复杂性科学. 2020,17(02)CSCD
【文章页数】：10 页
【部分图文】：
恢复期区域指数网络热力图
图6显示了平静期、牛市期、股灾期和恢复期中，区域指数网络各个节点的强度。图中横坐标的数字为表1中的市场编号，纵坐标为节点的强度值（NS），其中，图6a和图6b纵坐标的范围是0～40，图6c纵坐标的范围是0～70，图6d纵坐标的范围是0～50。对比这四个图我们可以发现，股灾期中股票区域指数之间的相依关系是最高的，相依关系较低的是平静期和牛市期，并且在前三个时期中，山东区域指数（NO.21）始终保持着最打的节点强度。从图6d中可以看到，在恢复期，网络的节点强度普遍出现下降，说明这一时期各区域间总的联系降低，但是大部分区域指数的节点强度仍然比平静期和牛市期的节点强度高。同时注意到，贵州区域指数（NO.7）、内蒙古区域指数（NO.18）、宁夏区域指数（NO.19）、青海区域指数（NO.20）、西藏区域指数（NO.27)5个地区的节点强度很弱，且贵州区域指数（NO.7）、内蒙古区域指数（NO.18）两市场的节点强度下降幅度较大。3.2 股市区域相依关系核心结构构建
图3展示的是在牛市期中国股市区域相依关系，从中可以看出，在这期间主要体现在贵州综合指数（NO.7）、海南综合指数（NO.8）、内蒙古综合指数（NO.18）等与其他市场之间的边权值增加，但是整体上31个区域之间的互信息值变化不大。该结论不同于谢赤等对2008年金融危机之前牛市的研究，该研究认为股票市场的关联网络结构在牛市时其关系会更加紧密[26]。图3 牛市期区域指数网络热力图
【参考文献】：
期刊论文
[1]一种基于文本互信息的金融复杂网络模型[J]. 孙延风,王朝勇. 物理学报. 2018(14)
[2]美国股市会影响金砖国家股市之间的相关性吗?——线性和非线性条件Granger因果检验[J]. 王璐,黄登仕,乔高秀,马元慧. 系统工程. 2018(05)
[3]金融危机对全球股票市场的传染研究:基于复杂网络分析方法[J]. 王克达,庞晓波,王姗姗. 世界经济研究. 2018(04)
[4]Return and Volatility Spillovers Effects:Study of Asian Emerging Stock Markets[J]. Bhowmik RONI,Ghulam ABBAS,Shouyang WANG. Journal of Systems Science and Information. 2018(02)
[5]基于时变T-Copula模型的中国股市国际一体化研究[J]. 谈勇贤,郭颂. 统计与决策. 2018(06)
[6]牛熊市视角下股票关联网络动态拓扑结构研究——以上证50指数为例[J]. 谢赤,边慧东,王纲金. 复杂系统与复杂性科学. 2017(01)
[7]基于DCCGARCH模型的金砖四国股市动态相关性研究[J]. 朱沙,赵欢. 统计与决策. 2015(14)
[8]国际多元化下多维金融市场相关结构测度——以金砖国家新兴市场为对象[J]. 王璐. 数理统计与管理. 2015(03)
本文编号：3606938
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3606938.html
