股指极端波动下中国股票市场网络拓扑结构

doi:10.12068/j.issn.1005-3026.2018.10.028

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (10): 1511-1515.DOI: 10.12068/j.issn.1005-3026.2018.10.028

股指极端波动下中国股票市场网络拓扑结构

张伟平，庄新田，李延双

(东北大学工商管理学院，辽宁沈阳110169)

收稿日期:2017-06-15 修回日期:2017-06-15 出版日期:2018-10-15 发布日期:2018-09-28
通讯作者: 张伟平
作者简介:张伟平(1990-)，女，山东潍坊人，东北大学博士研究生; 庄新田 (1956-)，男，吉林四平人，东北大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(71671030， 71571038).国家自然科学基金资助项目(51171041).

Network Topology Struture of China Stock Market Under Extreme Volatility of Stock Indexes

ZHANG Wei-ping， ZHUANG Xin-tian， LI Yan-shuang

School of Business Administration， Northeastern University， Shenyang 110169， China.

Received:2017-06-15 Revised:2017-06-15 Online:2018-10-15 Published:2018-09-28
Contact: ZHANG Wei-ping
About author:-
Supported by:
-

摘要/Abstract

摘要： 采用最小生成树方法构建股票市场网络，研究中国股市网络在股指极端波动前、中、后阶段MST结构的演化、拓扑指标与关键节点不同时期的个体行为特征.结果表明:中国股市行业内有很强的聚集性和行业间的匀质性;在极端波动时MST网络收缩，波动后网络又伸展扩张;极端波动中后期，材料业和信息技术业异军突起占据网络重要位置;不同传染源引起的极端波动其风险传播途径不同.股指极端波动加剧了股票市场股票间的联动性，市场中资产发生重新配置，网络结构产生新的调整.

关键词: 最小生成树方法, 股指极端波动, 股票市场, MST网络, 拓扑结构

Abstract: Stock market network was constructed by using the minimum spanning tree method to study the evolution of MST structure， the topological indicators and individual behavior characteristics of the key nodes at different periods before， during and after the extreme volatility of stock indexes. The results showed that the China′s stock market industry has a strong concentration and industry-wide homogeneity. The MST network shrinks during extreme volatility， and the network expands after volatility. In the middle and late periods of extreme volatility， the sudden emergence of the materials industry and information technology industry occupies an important position in the network. The extreme volatility caused by different infectious sources has different ways of transmission risk. Extreme volatility in stock indexes exacerbates the linkage between stocks， assets are reconfigured in the market and the network structure is undergone new adjustments.

Key words: minimum spanning tree method, stock index extreme volatility, stock market, MST network, topological structure

中图分类号:

F830.91

张伟平，庄新田，李延双. 股指极端波动下中国股票市场网络拓扑结构[J]. 东北大学学报:自然科学版, 2018, 39(10): 1511-1515.

ZHANG Wei-ping， ZHUANG Xin-tian， LI Yan-shuang. Network Topology Struture of China Stock Market Under Extreme Volatility of Stock Indexes[J]. Journal of Northeastern University Natural Science, 2018, 39(10): 1511-1515.

参考文献

[1]Dorogovtsev S N，Mendes J F F.Evolution of networks ［J］.Advances in Physics，2002，51(4):1079-1187.
[2]Huang W Q，Zhuang X T，Yao S.A network analysis of the Chinese stock market［J］.Physica A，2009，388(14):2956-2964.
[3]Thomas K D P，Luciano F C，Francisco A R.The structure and resilience of financial market networks［J］.Chaos，2012，22(1):113-117.
[4]Namaki A，Jafari G R，Raei R.Comparing the structure of an emerging market with a mature one under global perturbation［J］.Physica A，2011，390(17):3020-3025.
[5]Coelho R，Hutzler S，Repetowicz P.Sector analysis for a FTSE portfolio of stocks［J］.Physica A，2007，373(1):615-626.
[6]黄玮强，庄新田，姚爽.我国股票关联网络的动态演化研究［J］.系统工程学报，2014，29(2):192-201.(Huang Wei-qiang，Zhuang Xin-tian，Yao Shuang.Study of dynamic evolution of Chinese stock price correlation network［J］.Journal of Systems Engineering，2014，29(2):192-201.)
[7]Onnela J P，Chakraborti A，Kaski K，et al.Dynamic asset trees and black monday［J］.Physica A，2003，324(1):247-252.
[8]Jung W S，Chae S，Yang J S.Characteristics of the Korean stock market correlations［J］.Physica A，2006，361(1):263-271.
[9]Roy R B，Sarkar U K.Identifying influential stock indices from global stock markets:a social network analysis approach［J］.Procedia Compute Science，2011(5):442-449.
[10]黄飞雪，谷静，李延喜，等.金融危机前后的全球主要股指联动与动态稳定性比较［J］.系统工程理论与实践，2010，30(10):1729-1740.(Huang Fei-xue，Gu Jing，Li Yan-xi，et al.Linkages and dynamic stability of the national of global primary stock index before and after the financial crisis［J］.Systems Engineering—Theory & Practice，2010，30(10):1729-1740.)
[11]徐晓萍，杨欢，韩定定.金融危机对中国证券网络的实证研究［J］.复杂系统与复杂性科学，2012，9(2):13-22.(Xu Xiao-ping，Yang Huan，Han Ding-ding.Empirical study on Chinese stock networks under financial crisis［J］.Complex Systems and Complexity Science，2012，9(2):13-22.)
[12]Onnela J P，Kaski K，Kertesz J.Clustering and information in correlation based financial networks［J］.The European Physical Journal B，2004，38(2):353-362.

[1]	黄玮强，赵阳，姚爽. 石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1186-1193.
[2]	田树喜，胡靖雪，孙荧，王健. 股指期货对股票市场正反馈交易的影响——基于中国A股市场的计量检验[J]. 东北大学学报:自然科学版, 2020, 41(12): 1794-1799.
[3]	黄玮强，李方，姚爽. 中国金融机构波动溢出动态关联网络研究[J]. 东北大学学报:自然科学版, 2019, 40(4): 596-601.
[4]	马铁民，周福才，王爽. 基于用户相似度的随机游走社交网络事件推荐算法[J]. 东北大学学报:自然科学版, 2019, 40(11): 1533-1538.
[5]	何璇，王卢阳，赵海，刘晓. 地震数据关系网络的空间尺度[J]. 东北大学学报:自然科学版, 2018, 39(10): 1385-1389.
[6]	李贞妮，李晶皎，王爱侠，张壬申. 一种新型片上网络拓扑结构及其自适应路由算法[J]. 东北大学学报:自然科学版, 2017, 38(9): 1217-1221.
[7]	庄霄威，金秀. 上海股票市场网络拓扑指标与波动率的相关性[J]. 东北大学学报:自然科学版, 2015, 36(3): 453-456.
[8]	刘精宇，常勇. 拓扑结构在钢铁企业发电节点网络的应用[J]. 东北大学学报:自然科学版, 2015, 36(2): 241-244.
[9]	黄玮强，庄新田，姚爽. 我国股市行业间信息溢出的网络建模与实证研究[J]. 东北大学学报:自然科学版, 2014, 35(1): 135-138.
[10]	赵海，林川，李大舟，彭海霞. 基于IEEE802154协议的虚拟仪器的设计与实现[J]. 东北大学学报(自然科学版), 2013, 34(3): 344-347.
[11]	黄玮强;姚爽;庄新田;. 上证指数和交易量波动的网络动力学模型[J]. 东北大学学报(自然科学版), 2010, 31(10): 1516-1520.
[12]	关守平;郝立颖;. 太阳能光伏系统中的低压电网拓扑结构优化[J]. 东北大学学报(自然科学版), 2009, 30(12): 1698-1701.
[13]	苏艳丽;庄新田;. 中国证券投资基金羊群行为和正反馈行为研究[J]. 东北大学学报(自然科学版), 2008, 29(3): 420-423.
[14]	王健;庄新田;. 中国股票市场的流动性与波动性实证研究[J]. 东北大学学报(自然科学版), 2006, 27(9): 1042-1045.
[15]	王琪;刘永贤;臧戈平;郭凯;. 适应协同设计的产品模型的表示方法[J]. 东北大学学报(自然科学版), 2006, 27(7): 798-801.

股指极端波动下中国股票市场网络拓扑结构

Network Topology Struture of China Stock Market Under Extreme Volatility of Stock Indexes

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价