摘要：利用中國股市三板塊股票的交互相關(guān)系數(shù)構(gòu)建的矩陣，研究其反比參與率以及其特征向量的分量大小和節(jié)點(diǎn)股票對(duì)整個(gè)板塊股票網(wǎng)絡(luò)的貢獻(xiàn)，向投資者給出科學(xué)性建議。

關(guān)鍵詞：交互相關(guān)性；反比參與率；特征向量；股票網(wǎng)絡(luò)

中圖分類號(hào)：F22 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2012）33-0069-03

引言

金融市場(chǎng)可以認(rèn)為是股價(jià)和指數(shù)的波動(dòng)和相互作用的復(fù)雜系統(tǒng)，而市場(chǎng)中的交易者或股票間的相互作用會(huì)影響整個(gè)市場(chǎng)交易狀態(tài)[1]。金融時(shí)間序列的自相關(guān)性和金融變量間的交互相關(guān)性的存在是市場(chǎng)動(dòng)力學(xué)的重要特征之一[2～6]。

一、數(shù)據(jù)處理

為了研究股票間的交互相關(guān)作用，需要選取在規(guī)定時(shí)間段內(nèi)，在滬深股市交易正常，數(shù)據(jù)較為完整，行業(yè)較為分散的股票。按此要求，本文選取了在2009年3月20日前在上交所上市的215只股票，在深交所上市的205只股票，其中包括89只中小板股票，在2010年4月1日前在深交所創(chuàng)業(yè)板上市的55只股票作為樣本股。此外本文使用5min高頻數(shù)據(jù)，較之前人研究中所用的日、周或者周期更長(zhǎng)的數(shù)據(jù)，能夠觀察到更微觀的動(dòng)力學(xué)特征。本文所用的數(shù)據(jù)均來源于同花順軟件。

二、反比參與率

三、特征向量計(jì)算收益率

采用特征向量計(jì)算上證綜指和中小板綜指的收益率，方法如下：

總結(jié)

本文研究表明股票相關(guān)系數(shù)矩陣的最大特征值λmax對(duì)應(yīng)的反比參與率恰是該股票網(wǎng)絡(luò)中所有的反比參與率的最小值，而對(duì)應(yīng)的1/I值最大。這實(shí)際上從反比參與率Ik的角度揭示了股票網(wǎng)絡(luò)相關(guān)矩陣的最大特征值λmax的物理內(nèi)涵。

參考文獻(xiàn)：

[1] Mantegna R N and Stanley H E.Introduction to Econophysics： Correlations and Complexity in Finance[M].Cambridge：Cambridge U-

niversity Press，2000.

[2] T.Mizunoa，H.Takayasu，M.Takayasu.Correlation Networks Among Currencies[J].Physica A，2006，364：336-342.

[3] B.Podobnik，D.Fu，H.E.Stanley，et al.Power-law autocorrelated stochastic processes with long-range cross-correlations[J].Eur.Phys.J.B，

2007，56：47-52.

[4] B.Podobnik，D.Horvatic，A.Lam，et al.Modeling long-range cross-correlations in two-component ARFIMA and FIARCH processes[J].

Physica A，2008，387：3954-3959.

[5] T.Conlon，H.J.Ruskin，M.Crane.Cross-correlation dynamics in financial time series[J].Physica A，2009，388：705-714.

[6] B.Podobnik，D.Horvatic，A.Petersen，et al.Cross-correlations between volume change and price change[J].Proc.Natl.Acad.Sci.USA，2009，

106：22079-22084.

[7] V.Plerou，G.Gopikrishnan，B.Rosenow，et al.A random matrix approach to financial cross-correlations[J].Phys.Rev.E，2002，65：066126.

[責(zé)任編輯 陳丹丹]