復(fù)雜網(wǎng)絡(luò)理論下我國(guó)股市行業(yè)板塊風(fēng)險(xiǎn)傳染效應(yīng)研究

徐玉華，趙 玥，高新檸，謝承蓉

(1.南京審計(jì)大學(xué)金融學(xué)院，211815，南京；2.南京審計(jì)大學(xué)統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院，211815，南京；3.南京審計(jì)大學(xué)金融工程重點(diǎn)實(shí)驗(yàn)室，211815，南京)

0 引言

2020年初，新冠肺炎疫情突然爆發(fā)，我國(guó)股票市場(chǎng)在春節(jié)后的第一個(gè)交易日就遭遇了千股跌停。作為經(jīng)濟(jì)晴雨表的股票市場(chǎng)大幅震蕩，不僅反映了市場(chǎng)的恐慌與擔(dān)憂情緒，而且說(shuō)明我國(guó)股市各行業(yè)、部門之間存在著顯著的聯(lián)動(dòng)性，風(fēng)險(xiǎn)在各行業(yè)之間存在傳導(dǎo)。這次的疫情黑天鵝事件帶來(lái)的經(jīng)濟(jì)影響，再次敲響警鐘，因此經(jīng)濟(jì)社會(huì)的持續(xù)健康發(fā)展，金融體系的穩(wěn)定和安全始終是政府監(jiān)管部門的首要目標(biāo)。同時(shí)，危機(jī)事件下中國(guó)股票市場(chǎng)各行業(yè)間風(fēng)險(xiǎn)傳染的機(jī)制和路徑也成為了金融學(xué)界和業(yè)界持續(xù)關(guān)注的焦點(diǎn)問(wèn)題。對(duì)于危機(jī)事件下中國(guó)股票市場(chǎng)各行業(yè)風(fēng)險(xiǎn)傳染的機(jī)制和路徑，學(xué)界尚未有統(tǒng)一的研究結(jié)論，對(duì)于模型、行業(yè)數(shù)據(jù)以及時(shí)間段的選取也各有不同。葉五一[1]討論了2006年1月至2016年7月的行業(yè)日收益率指數(shù)，主要研究其指數(shù)間的動(dòng)態(tài)相關(guān)性，得到化工行業(yè)與其他行業(yè)的關(guān)系動(dòng)蕩較大，非金融行業(yè)對(duì)金融行業(yè)風(fēng)險(xiǎn)溢出影響不穩(wěn)定等結(jié)論。李合龍[2]則采用改進(jìn)的EMD去噪方法來(lái)對(duì)2005年6月至2015年12月間的8個(gè)股票市場(chǎng)子行業(yè)的價(jià)格指數(shù)數(shù)據(jù)進(jìn)行研究，分析行業(yè)間波動(dòng)溢出效應(yīng)，得到了金融危機(jī)間行業(yè)波動(dòng)溢出效應(yīng)明顯增強(qiáng)，金融危機(jī)后外來(lái)沖擊開始消退，行業(yè)間波動(dòng)溢出效應(yīng)逐漸減弱。強(qiáng)昊[3]則采用MIDAS-Quantile模型來(lái)對(duì)2005—2019年我國(guó)股票市場(chǎng)的29個(gè)一級(jí)行業(yè)指數(shù)進(jìn)行研究，并且動(dòng)態(tài)地分析了股災(zāi)前后時(shí)期板塊之間的風(fēng)險(xiǎn)特征，從而得到行業(yè)之間的風(fēng)險(xiǎn)網(wǎng)絡(luò)的結(jié)構(gòu)在不同時(shí)期會(huì)存在一定的差異等結(jié)論。薛飛黃[4]則通過(guò)時(shí)域和頻域2個(gè)角度網(wǎng)絡(luò)拓?fù)鋱D對(duì)2006年1月至2018年12月的11個(gè)行業(yè)指數(shù)極差波動(dòng)率進(jìn)行研究，得到結(jié)論：2008年金融危機(jī)與2015年股災(zāi)期間的風(fēng)險(xiǎn)網(wǎng)絡(luò)圖之間存在較大差異，差異主要表現(xiàn)在房地產(chǎn)和信息技術(shù)的波動(dòng)溢出狀態(tài)、金融和能源板塊的連接狀態(tài)。謝赤[5]采用復(fù)雜網(wǎng)絡(luò)理論最小生成樹(MST)算法和滑窗分析的方法，對(duì)2003—2017年的上證A股收益率數(shù)據(jù)進(jìn)行研究，得到網(wǎng)絡(luò)結(jié)構(gòu)在危機(jī)期間遠(yuǎn)比危機(jī)前后緊湊這一結(jié)論。通過(guò)對(duì)前人學(xué)者的文獻(xiàn)梳理，發(fā)現(xiàn)大多數(shù)文獻(xiàn)中利用復(fù)雜網(wǎng)絡(luò)對(duì)我國(guó)股票行業(yè)板塊的傳染研究多分為2個(gè)方面，一是針對(duì)比較突出的行業(yè)板塊進(jìn)行分塊研究；二是針對(duì)整個(gè)股票市場(chǎng)的行業(yè)板塊進(jìn)行分時(shí)段研究。而且在通過(guò)梳理文獻(xiàn)時(shí)發(fā)現(xiàn)關(guān)于股票市場(chǎng)子行業(yè)風(fēng)險(xiǎn)傳染機(jī)制研究中，時(shí)間范圍多在2018年以前，因此本文將時(shí)間范圍擴(kuò)大到疫情爆發(fā)之后，并且通過(guò)分時(shí)段和分行業(yè)2個(gè)角度來(lái)進(jìn)行對(duì)股票市場(chǎng)的行業(yè)板塊風(fēng)險(xiǎn)研究，對(duì)結(jié)合實(shí)證結(jié)論進(jìn)行重點(diǎn)板塊分析及重要時(shí)點(diǎn)分析。

由于復(fù)雜網(wǎng)絡(luò)能更好地體現(xiàn)股市間風(fēng)險(xiǎn)傳染的機(jī)制及路徑，近年來(lái)，越來(lái)越多的學(xué)者將股票市場(chǎng)看成復(fù)雜網(wǎng)絡(luò)進(jìn)行刻畫。基于對(duì)復(fù)雜網(wǎng)絡(luò)對(duì)股票市場(chǎng)進(jìn)行研究的文獻(xiàn)梳理發(fā)現(xiàn)，在對(duì)風(fēng)險(xiǎn)網(wǎng)絡(luò)進(jìn)行研究時(shí)學(xué)者多采用最小生成樹(MST)的方法，即對(duì)復(fù)雜網(wǎng)絡(luò)的邊賦予權(quán)值和無(wú)向的特征再進(jìn)行路徑刻畫。例如，Naylor[6]采用到最小生成樹法對(duì)于1995—2001年間的全球外匯市場(chǎng)進(jìn)行的實(shí)證研究，得到拓?fù)浣Y(jié)構(gòu)對(duì)方法、時(shí)間范圍具有魯棒性，并在市場(chǎng)危機(jī)期間是穩(wěn)定的結(jié)論，同樣，Gilmore[7]對(duì)21個(gè)歐盟股票市場(chǎng)指數(shù)進(jìn)行研究，得到法國(guó)股票市場(chǎng)指數(shù)為主要連接點(diǎn)的結(jié)論。Eom[8]構(gòu)建復(fù)雜網(wǎng)絡(luò)并采用最小生成樹法(MST)來(lái)研究市場(chǎng)因素對(duì)股票之間的聯(lián)動(dòng)關(guān)系產(chǎn)生的信息流影響，可以有效評(píng)估股票之間的信息流動(dòng)。黃飛雪[9]采用Kruskal最小生成樹法等方法對(duì)全球股指進(jìn)行實(shí)證研究，得到全球股市在金融危機(jī)前后關(guān)聯(lián)性極強(qiáng)且區(qū)域性聚集明顯這一結(jié)論。張金林[10]構(gòu)建全球股票市場(chǎng)指數(shù)網(wǎng)絡(luò)并采用最小生成樹法(MST)對(duì)金融危機(jī)前中后3個(gè)階段進(jìn)行實(shí)證研究，得到較為具體的全球股票市場(chǎng)間的風(fēng)險(xiǎn)傳導(dǎo)路徑。通過(guò)對(duì)最小生成樹模型在股票市場(chǎng)風(fēng)險(xiǎn)傳染的文獻(xiàn)梳理后，發(fā)現(xiàn)最小生成樹模型在直觀反映股票子市場(chǎng)風(fēng)險(xiǎn)傳染的過(guò)程中存在一些不足，即最小生成樹呈現(xiàn)的傳導(dǎo)路徑不存在方向，因此本文在運(yùn)用最小生成樹基本原理的基礎(chǔ)上，運(yùn)用了帶方向的最小樹形圖模型。

通過(guò)對(duì)使用復(fù)雜網(wǎng)絡(luò)并采用最小生成樹的文獻(xiàn)進(jìn)行梳理，發(fā)現(xiàn)國(guó)內(nèi)外學(xué)者使用復(fù)雜網(wǎng)絡(luò)對(duì)股市進(jìn)行研究時(shí)，選擇的對(duì)象多以國(guó)際股票市場(chǎng)不同國(guó)家地區(qū)為主，采用的數(shù)據(jù)也多分為總體數(shù)據(jù)和危機(jī)時(shí)段數(shù)據(jù)。而對(duì)于國(guó)內(nèi)的金融市場(chǎng)研究中，一般認(rèn)為2008年金融危機(jī)、2015年的股災(zāi)以及2020年的疫情黑天鵝事件是我國(guó)股市中具有代表性的危機(jī)事件，并且引起了學(xué)者們的廣泛關(guān)注[11-12]。本文運(yùn)用最小樹形圖法(即有向的最小生成樹)來(lái)研究2008年金融危機(jī)、2015年股災(zāi)及2020疫情常態(tài)化3個(gè)階段的我國(guó)股票市場(chǎng)風(fēng)險(xiǎn)傳導(dǎo)路徑，構(gòu)建我國(guó)股票一級(jí)行業(yè)指數(shù)收益率的復(fù)雜網(wǎng)絡(luò)模型。通過(guò)對(duì)金融危機(jī)和重大安全危機(jī)情況下我國(guó)金融市場(chǎng)的路徑研究，可能為未來(lái)的金融風(fēng)險(xiǎn)防范和危機(jī)應(yīng)急處理提供一定的理論支撐。

1 模型建立

在文獻(xiàn)[10]中，張金林教授在對(duì)全球股票市場(chǎng)進(jìn)行實(shí)證研究中時(shí)，提出將每個(gè)指數(shù)與其5個(gè)關(guān)系最密切的指數(shù)相連，由此來(lái)產(chǎn)生由該指數(shù)指向這5個(gè)指數(shù)的有向邊，本文對(duì)我國(guó)股票市場(chǎng)一級(jí)行業(yè)指數(shù)網(wǎng)絡(luò)進(jìn)行建模時(shí)，參考文獻(xiàn)[10]中對(duì)邊的定義。由于我國(guó)股票市場(chǎng)各行業(yè)之間的資金流動(dòng)不便獲得，因此對(duì)于網(wǎng)絡(luò)中的邊不設(shè)權(quán)重，將我國(guó)股票行業(yè)內(nèi)27個(gè)一級(jí)行業(yè)作為27個(gè)點(diǎn)，構(gòu)建復(fù)雜網(wǎng)絡(luò)模型。

最小樹形圖可以反映某個(gè)網(wǎng)絡(luò)中能夠連通所有節(jié)點(diǎn)的全局極小子圖，使連通全部節(jié)點(diǎn)的路徑最短。金融危機(jī)在傳播時(shí)一般從某一行業(yè)開始，首先蔓延到關(guān)系最為密切的行業(yè)中，從整體出發(fā)存在著從一個(gè)節(jié)點(diǎn)有向地傳播到全部節(jié)點(diǎn)的最短最快路徑，也就是最小樹形圖。因此，為從整體考慮金融風(fēng)險(xiǎn)在網(wǎng)絡(luò)中傳播時(shí)的應(yīng)對(duì)策略，本文采用了最小樹形圖方法對(duì)我國(guó)股票市場(chǎng)網(wǎng)絡(luò)進(jìn)行分析。

1.1 復(fù)雜網(wǎng)絡(luò)的統(tǒng)計(jì)特征描述

1.1.1 度與度分布 節(jié)點(diǎn)的度：網(wǎng)絡(luò)中所有節(jié)點(diǎn)vi的度ki的均值被稱作網(wǎng)絡(luò)的平均度，記為，即

節(jié)點(diǎn)的度定義為與該節(jié)點(diǎn)連接的邊數(shù)。一般而言，一個(gè)節(jié)點(diǎn)的重要性體現(xiàn)在其度的大小，網(wǎng)絡(luò)中節(jié)點(diǎn)的度分布情況用分布函數(shù)P(k)來(lái)描述。

1.1.2 平均路徑長(zhǎng)度 網(wǎng)絡(luò)中2個(gè)節(jié)點(diǎn)vi和vj之間的距離dij代表這2個(gè)節(jié)點(diǎn)之間的最短路徑邊數(shù)，而網(wǎng)絡(luò)的直徑則是指該網(wǎng)絡(luò)中隨機(jī)2個(gè)節(jié)點(diǎn)之間的距離最大值，記為D，即

網(wǎng)絡(luò)的平均路徑長(zhǎng)度L則代表著隨機(jī)2個(gè)節(jié)點(diǎn)之間的距離平均值，即

1.2 最小樹形圖模型介紹(朱劉算法)

最小樹形圖是指在一個(gè)有向圖中存在一個(gè)特殊根點(diǎn)root，從根點(diǎn)出發(fā)到圖中所有節(jié)點(diǎn)而生成的樹形圖。

定義：設(shè)G=(V,E)是一個(gè)有向圖，如果具有下述性質(zhì)。

1)G中不包含有向環(huán)。

2)存在一個(gè)節(jié)點(diǎn)vi，它不是任意一條弧的終點(diǎn)，而V中的其他節(jié)點(diǎn)都是唯一的某條弧的終點(diǎn)，則稱G是以vi為根的樹形圖。

1.2.1 基本算法 本文采用的算法是由朱永津和劉振宏于1965年提出的朱劉算法。下面都指定為根的頂點(diǎn)是v0。最小樹形圖與最小生成樹的思想一致，都是基于貪心和縮點(diǎn)的思想。縮點(diǎn)是指將多個(gè)點(diǎn)看成是一個(gè)點(diǎn)，所有連到這幾個(gè)點(diǎn)的邊都看成是連到這個(gè)收縮點(diǎn)，而從這幾個(gè)點(diǎn)出發(fā)的所有邊都看成是從收縮點(diǎn)出發(fā)的。

1)求最短弧集。從所有以vi(i≠0)為終點(diǎn)的弧中都要取一條最短的，而若對(duì)于某一點(diǎn)vi不是根節(jié)點(diǎn)且其不存在入邊，則不能生成最小樹形圖，算法結(jié)束；如果除根節(jié)點(diǎn)以外的節(jié)點(diǎn)都存在入邊，則可以得到一個(gè)權(quán)值最小的子圖G′，而子圖G′中的弧集就是最短弧集。

2)檢查環(huán)。完成步驟1后，得到最短弧集，則需要檢查連好的圖中是否存在有向環(huán)及收縮點(diǎn)。存在3種情況：若不存在有向環(huán)且不含收縮點(diǎn)，則計(jì)算結(jié)束，步驟1生成的就是以v0為根點(diǎn)的最小樹形圖；若不存在有向環(huán)但含有收縮點(diǎn)，則需要展開收縮點(diǎn)；若存在有向環(huán)，則需要將有向環(huán)收縮成一個(gè)點(diǎn)，生成一個(gè)新的圖G1。

3)收縮有向環(huán)。將原圖G中的有向環(huán)收縮成一個(gè)點(diǎn)，此時(shí)原圖G中屬于有向環(huán)的邊被收縮，而其他弧仍保留，從而得到一個(gè)新的圖G1。與原圖G相比，新圖G1中以該收縮點(diǎn)為終點(diǎn)的弧的長(zhǎng)度變化方向不變，且關(guān)于是否生成最小樹形圖的性質(zhì)不變。同時(shí)需要對(duì)新圖G1進(jìn)行步驟1的操作，直至圖中不存在有向環(huán)為止。

4)展開收縮點(diǎn)。若原圖G存在有向環(huán)，且新圖G1的最小樹形圖T1已經(jīng)求出，那么T1中的所有弧都同樣屬于T。再將圖G1的一個(gè)收縮點(diǎn)展開成有向環(huán)，同時(shí)去掉T1中有相同終點(diǎn)的弧，其他弧都屬于T。

2 實(shí)證分析

2.1 中國(guó)股市全樣本數(shù)據(jù)分析

本文選取申萬(wàn)證券27個(gè)一級(jí)行業(yè)指數(shù)的日度收益率序列，區(qū)間為2006年1月4日至2020年12月2日。每個(gè)日度時(shí)間序列包含3 115個(gè)觀測(cè)值，數(shù)據(jù)來(lái)源于Choice終端。27個(gè)一級(jí)行業(yè)分別是通信、銀行、房地產(chǎn)、家電、采掘、電子、傳媒、電氣設(shè)備、化工、紡織服裝、交通運(yùn)輸、非銀金融、鋼鐵、公用事業(yè)、國(guó)防軍工、計(jì)算機(jī)、建筑裝飾、輕工制造、商品貿(mào)易、食品材料、休閑服務(wù)、醫(yī)藥生物、建筑材料、有色金屬、農(nóng)林牧漁、機(jī)械設(shè)備。其中，對(duì)于各行業(yè)內(nèi)的收益率計(jì)算采用的是對(duì)數(shù)收益率的方式，通過(guò)對(duì)行業(yè)日收盤價(jià)進(jìn)行自然對(duì)數(shù)的一階差分，公式為rit=ln(pit)-ln(pit-1)(rit表示在第t期行業(yè)i的收益率，pit表示在第t期行業(yè)i的收盤價(jià))。

為了對(duì)上述行業(yè)的收益率序列有比較直觀和初步的了解，圖1給出了27個(gè)行業(yè)日收益率序列的趨勢(shì)圖。

由圖1可知：2008年金融危機(jī)與2015年中國(guó)股災(zāi)中各行業(yè)的收益率波動(dòng)是非常明顯的，而各行業(yè)在這2個(gè)階段中存在的一致性說(shuō)明中國(guó)各行業(yè)板塊之間存在風(fēng)險(xiǎn)聯(lián)動(dòng)性。表1展示了各行業(yè)收益率序列的基本統(tǒng)計(jì)量。

圖1 各行業(yè)板塊指數(shù)收益率波動(dòng)的時(shí)間序列圖

表1 2006—2020年 27個(gè)行業(yè)指數(shù)日度收益率

表1 (續(xù))

通過(guò)對(duì)表1中基本統(tǒng)計(jì)量的描述觀察，可以看出，在均值這列上，所有行業(yè)均為正數(shù)，但數(shù)值均在0左右；偏度這列顯示非銀金融和輕工這2個(gè)行業(yè)為正，其他行業(yè)均為負(fù)，這說(shuō)明正向沖擊對(duì)于非銀金融和輕工這2個(gè)行業(yè)更常見，而負(fù)向沖擊對(duì)其他行業(yè)更常見；峰度這列顯示所有行業(yè)的峰度均大于正態(tài)分布的3，峰度最高的是紡織服裝和國(guó)防軍工，說(shuō)明了這2個(gè)行業(yè)的收益率極端值出現(xiàn)的頻率相較于其他行業(yè)明顯略高。由表1顯示的統(tǒng)計(jì)結(jié)果可知，本文選取的申萬(wàn)27個(gè)一級(jí)行業(yè)指數(shù)收益率的分布具有明顯的尖峰厚尾的特征，并顯著異于正態(tài)分布。同時(shí)為了檢驗(yàn)時(shí)間序列的平穩(wěn)性，本文在建模前運(yùn)用ADF檢驗(yàn)方法對(duì)收益率序列進(jìn)行檢驗(yàn)，結(jié)果表明所有變量在1%的顯著性水平下不含單位根，即為平穩(wěn)的時(shí)間序列。

2.2 3個(gè)階段我國(guó)股票以及行業(yè)指數(shù)的實(shí)證分析

根據(jù)我國(guó)股票市場(chǎng)出現(xiàn)的2個(gè)波動(dòng)明顯的時(shí)間段，將樣本區(qū)間劃分為2007-09-30至2008-10-31、2015-04-01至2016-07-28，同時(shí)根據(jù)此次新冠疫情爆發(fā)的時(shí)間，將2019-08-01至2020-12-02日作為實(shí)證研究的第3階段。

根據(jù)上文中網(wǎng)絡(luò)建模的方法，網(wǎng)絡(luò)中每個(gè)指數(shù)節(jié)點(diǎn)的出度都是5，而每一個(gè)節(jié)點(diǎn)的入度則取決于與其他節(jié)點(diǎn)的關(guān)系密切程度。一個(gè)指數(shù)與其他指數(shù)的關(guān)聯(lián)越密切，該指數(shù)節(jié)點(diǎn)的入度越大。

1)根據(jù)上述方法，對(duì)3個(gè)階段的我國(guó)股票一級(jí)行業(yè)指數(shù)收益率網(wǎng)絡(luò)進(jìn)行建模，分別得到圖2、圖3、和圖4的網(wǎng)絡(luò)圖。

圖2 第1階段復(fù)雜網(wǎng)絡(luò)圖

圖3 第2階段復(fù)雜網(wǎng)絡(luò)圖

圖4 第3階段復(fù)雜網(wǎng)絡(luò)圖

2)根據(jù)由相關(guān)系數(shù)定義的零一矩陣生成的圖表計(jì)算出網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的入度，并擬合度分布，由表2、表3和表4列出3個(gè)階段各節(jié)點(diǎn)的度分布。

表2 第1階段股票市場(chǎng)網(wǎng)絡(luò)節(jié)點(diǎn)入度分布

從表2可以看出，在2007-09-30至2008-10-31期間，多數(shù)節(jié)點(diǎn)的度分布在中間位置，而具有較大的度和較少度(包括0)的節(jié)點(diǎn)占少數(shù)，這表明該網(wǎng)絡(luò)符合無(wú)標(biāo)度網(wǎng)絡(luò)特征。其中，交通運(yùn)輸和汽車這2個(gè)節(jié)點(diǎn)的度大于10，表明，這2個(gè)節(jié)點(diǎn)在此期間與節(jié)點(diǎn)的關(guān)系密切，對(duì)網(wǎng)絡(luò)中其他節(jié)點(diǎn)的影響較大。

表3 第2階段股票市場(chǎng)網(wǎng)絡(luò)節(jié)點(diǎn)入度分布

從表3看出，2015年4月1日到2016年7月28日之間的股票一級(jí)行業(yè)指數(shù)收益率形成的復(fù)雜網(wǎng)絡(luò)也符合無(wú)標(biāo)度網(wǎng)絡(luò)的特征。其中，電氣設(shè)備、化工、醫(yī)藥生物、通信、機(jī)械設(shè)備均大于10，也表明這些節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)影響較大。

表4 第3階段股票市場(chǎng)網(wǎng)絡(luò)節(jié)點(diǎn)入度分布

從表4看出，2019-08-01至2020-12-02之間的股票一級(jí)行業(yè)指數(shù)收益率形成的復(fù)雜網(wǎng)絡(luò)也符合無(wú)標(biāo)度網(wǎng)絡(luò)的特征。其中，這一階段，機(jī)械設(shè)備和輕工制造這2個(gè)節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)的影響較大。

通過(guò)比較表2、表3、表4的核心節(jié)點(diǎn)，不難發(fā)現(xiàn)，在2015年股災(zāi)期間，核心節(jié)點(diǎn)數(shù)明顯增加，網(wǎng)絡(luò)間的聯(lián)系更加緊密，而在2008年金融危機(jī)和2020年的疫情常態(tài)化階段，網(wǎng)絡(luò)間的核心節(jié)點(diǎn)數(shù)較少，在2008年金融危機(jī)期間，我國(guó)的股票市場(chǎng)由于國(guó)家的宏觀調(diào)控，受到的國(guó)際沖擊較小，網(wǎng)絡(luò)連接較為分散。

3)3個(gè)階段我國(guó)股票市場(chǎng)一級(jí)行業(yè)指數(shù)收益率復(fù)雜網(wǎng)絡(luò)參數(shù)。從表5中可以發(fā)現(xiàn)，在2015年股災(zāi)期間，網(wǎng)絡(luò)的平均聚類系數(shù)最大，這說(shuō)明了在股災(zāi)期間局部范圍內(nèi)的連接更為緊密，使得便于風(fēng)險(xiǎn)的傳染。網(wǎng)絡(luò)的平均路徑長(zhǎng)度和直徑在3個(gè)階段都呈現(xiàn)逐漸增大的趨勢(shì)，而平均路徑長(zhǎng)度的增大也許是因?yàn)楣?jié)點(diǎn)之間出現(xiàn)了新的連接或者關(guān)鍵節(jié)點(diǎn)的受損，直徑的增大則說(shuō)明網(wǎng)絡(luò)圖變大，節(jié)點(diǎn)之間的連接變多。而在這3個(gè)階段，我國(guó)股票市場(chǎng)以及行業(yè)指數(shù)收益率網(wǎng)絡(luò)都擁有較大的聚類系數(shù)和較小的平均路徑長(zhǎng)度，說(shuō)明該網(wǎng)絡(luò)具有小世界的特性。

表5 3個(gè)階段復(fù)雜網(wǎng)絡(luò)參數(shù)統(tǒng)計(jì)

2.3 最小樹形圖分析

通過(guò)對(duì)最小樹形圖模型的學(xué)習(xí)，得知生成樹狀圖的前提是存在唯一根點(diǎn)，而在對(duì)3個(gè)階段數(shù)據(jù)進(jìn)行實(shí)證分析時(shí)，本文發(fā)現(xiàn)只有在第3階段，我國(guó)股票市場(chǎng)一級(jí)行業(yè)指數(shù)網(wǎng)絡(luò)存在唯一根點(diǎn)，遍歷圖中的所有點(diǎn)；而在第1、第2階段都存在不止一個(gè)根點(diǎn)。本文基于對(duì)數(shù)據(jù)結(jié)果的尊重，展開了第1、第2階段的收縮點(diǎn)，去掉了銀行與非銀金融這2個(gè)根點(diǎn)，來(lái)進(jìn)一步分析不同行業(yè)在我國(guó)股票市場(chǎng)中在不同階段所扮演的角色。而對(duì)于銀行與非銀金融只有彼此到達(dá)對(duì)方，不僅證明兩者都存在波動(dòng)溢出凈輸出的特征，而且彼此間的關(guān)系密切。

通過(guò)對(duì)圖5觀察，可以發(fā)現(xiàn)，在2008年金融危機(jī)期間，農(nóng)林牧漁、家電、電子、鋼鐵、采掘等行業(yè)處于波動(dòng)溢出凈輸出狀態(tài)，即行業(yè)所接受的波動(dòng)溢出小于其所發(fā)出的波動(dòng)溢出；建筑材料、商品貿(mào)易、通信、計(jì)算機(jī)、交通運(yùn)輸?shù)刃袠I(yè)處于波動(dòng)溢出凈接受狀態(tài)，即行業(yè)所發(fā)出的波動(dòng)溢出小于其所接受的波動(dòng)溢出。

通過(guò)對(duì)圖6的觀察，在2015年股災(zāi)期間，房地產(chǎn)作為最小樹形圖的根點(diǎn)，處于絕對(duì)波動(dòng)溢出輸出狀態(tài)；紡織服裝、化工、食品材料等行業(yè)處于波動(dòng)溢出凈輸出狀態(tài)；輕工制造、農(nóng)林牧漁、建筑裝飾、家電等行業(yè)處于波動(dòng)溢出凈接受狀態(tài)。

通過(guò)對(duì)圖7的觀察，在2020年疫情常態(tài)化的

圖5 第1階段最小樹形圖

圖6 第2階段最小樹形圖

當(dāng)前，通信作為最小樹形圖的根點(diǎn)，處于絕對(duì)波動(dòng)溢出輸出狀態(tài)；在疫情的影響下，網(wǎng)絡(luò)購(gòu)物、直播帶貨、網(wǎng)絡(luò)教育以及遠(yuǎn)程問(wèn)診等新興行業(yè)有了巨大的發(fā)展；同時(shí)5G的飛快建設(shè)也使得互聯(lián)網(wǎng)在我國(guó)的經(jīng)濟(jì)社會(huì)加快恢復(fù)與發(fā)展的過(guò)程中越來(lái)越發(fā)揮著重要且無(wú)可替代的作用。通信行業(yè)在這一階段表現(xiàn)出的極強(qiáng)的風(fēng)險(xiǎn)凈輸出能力，提醒著政府及個(gè)人需要提起對(duì)通信行業(yè)的重視。在這一階段，紡織服裝、傳媒、電氣設(shè)備、國(guó)防軍工、房地產(chǎn)等行業(yè)也同樣處于波動(dòng)溢出的凈輸出狀態(tài)；建筑材料、輕工制造、商品貿(mào)易、銀行等行業(yè)等于波動(dòng)溢出的凈接受狀態(tài)。

圖7 第3階段最小樹形圖

通過(guò)對(duì)比3個(gè)階段的最小樹形圖，可以得到結(jié)論。

1)就2次危機(jī)階段比較而言，不難發(fā)現(xiàn)，2015年股災(zāi)相較于2008年金融危機(jī)發(fā)生更加迅猛，波動(dòng)溢出凈沖擊行業(yè)數(shù)量有明顯的增加，比如：房地產(chǎn)、化工、鋼鐵等行業(yè)的風(fēng)險(xiǎn)輸出能力明顯增強(qiáng)。在2008年金融危機(jī)階段一直處于波動(dòng)溢出凈沖擊狀態(tài)的采掘行業(yè)，在2015年股災(zāi)階段與2020年疫情階段的風(fēng)險(xiǎn)輸出能力明顯變?nèi)?。房地產(chǎn)、電氣設(shè)備等行業(yè)在在2015年股災(zāi)階段與2020年疫情階段則是一直處于波動(dòng)溢出凈輸出狀態(tài)；同時(shí)銀行、建筑材料、交通運(yùn)輸?shù)刃袠I(yè)則是一直處于波動(dòng)溢出凈接受狀態(tài)。

2)包括房地產(chǎn)、非銀金融、銀行的金融板塊，在3個(gè)階段中，房地產(chǎn)表現(xiàn)出明顯的風(fēng)險(xiǎn)輸出能力，而在2008年金融危機(jī)和2015年股災(zāi)階段，非銀金融和銀行這2個(gè)行業(yè)均不存在其他行業(yè)到達(dá)的情況，說(shuō)明在這2個(gè)階段非銀金融和銀行處于波動(dòng)溢出凈輸出狀態(tài)，然而在2020年疫情階段，非銀金融在金融市場(chǎng)保持著承上啟下的狀態(tài)，而銀行則擔(dān)任波動(dòng)溢出凈接受的角色。

3 研究結(jié)論

1)扮演波動(dòng)溢出凈沖擊角色的行業(yè)在金融市場(chǎng)中更易于行業(yè)間風(fēng)險(xiǎn)的相互傳染，其不能很好地吸收金融風(fēng)險(xiǎn)，而是將金融風(fēng)險(xiǎn)傳遞給凈接受行業(yè)。從上述實(shí)證分析發(fā)現(xiàn)，房地產(chǎn)、電氣設(shè)備等行業(yè)則是一直處于波動(dòng)溢出凈輸出狀態(tài)；同時(shí)建筑裝飾、建筑材料、交通運(yùn)輸?shù)刃袠I(yè)則是一直處于波動(dòng)溢出凈接受狀態(tài)。說(shuō)明日常消費(fèi)行業(yè)主要承擔(dān)吸收金融風(fēng)險(xiǎn)的作用。

2)金融風(fēng)險(xiǎn)的傳導(dǎo)存在其一致性，上下游行業(yè)之間存在著一定的風(fēng)險(xiǎn)傳導(dǎo)，比如有色金屬、鋼鐵、汽車、化工等行業(yè)之間始終存在著路徑相對(duì)一致的風(fēng)險(xiǎn)傳染。但就不同時(shí)段而言，金融風(fēng)險(xiǎn)的傳導(dǎo)也表現(xiàn)出顯著差異。比如：采掘、通信、傳媒等行業(yè)在3個(gè)階段風(fēng)險(xiǎn)傳導(dǎo)的狀態(tài)，說(shuō)明行業(yè)之間的風(fēng)險(xiǎn)傳導(dǎo)在不斷發(fā)生轉(zhuǎn)變，金融市場(chǎng)具有其不可忽視的時(shí)效性。

4 政策建議

1)通過(guò)對(duì)現(xiàn)階段疫情常態(tài)化階段的研究，通信行業(yè)的崛起，說(shuō)明行業(yè)板塊間的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)在不斷改變，對(duì)于處于波動(dòng)溢出凈沖擊狀態(tài)的行業(yè)應(yīng)加強(qiáng)對(duì)其的監(jiān)管和規(guī)范管控。

2)對(duì)于銀行、非銀金融等行業(yè)，在現(xiàn)階段作為處于波動(dòng)溢出凈接受狀態(tài)的行業(yè)，對(duì)于監(jiān)管機(jī)構(gòu)來(lái)說(shuō)需要密切關(guān)注其風(fēng)險(xiǎn)狀態(tài)，對(duì)傳染銀行體系和創(chuàng)新型金融機(jī)構(gòu)要做好監(jiān)控，對(duì)金融機(jī)構(gòu)的內(nèi)部風(fēng)險(xiǎn)管理予以重視。而同時(shí)作為在前2個(gè)階段，處于波動(dòng)溢出凈輸出的這2個(gè)行業(yè)，說(shuō)明其外部風(fēng)險(xiǎn)也應(yīng)當(dāng)引起重視。

3)對(duì)于行業(yè)之間存在著自身的聯(lián)系，要注重不同行業(yè)的上下游產(chǎn)業(yè)特征，需要對(duì)行業(yè)板塊進(jìn)行整體監(jiān)管。