交互相關性在市場參與性中的應用

摘要：利用中國股市三板塊股票的交互相關系數構建的矩陣，研究其反比參與率以及其特征向量的分量大小和節點股票對整個板塊股票網絡的貢獻，向投資者給出科學性建議。

關鍵詞：交互相關性；反比參與率；特征向量；股票網絡

中圖分類號：F22 文獻標志碼：A 文章編號：1673-291X（2012）33-0069-03

引言

金融市場可以認為是股價和指數的波動和相互作用的復雜系統，而市場中的交易者或股票間的相互作用會影響整個市場交易狀態[1]。金融時間序列的自相關性和金融變量間的交互相關性的存在是市場動力學的重要特征之一[2～6]。

一、數據處理

為了研究股票間的交互相關作用，需要選取在規定時間段內，在滬深股市交易正常，數據較為完整，行業較為分散的股票。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日前在深交所創業板上市的55只股票作為樣本股。此外本文使用5min高頻數據，較之前人研究中所用的日、周或者周期更長的數據，能夠觀察到更微觀的動力學特征。本文所用的數據均來源于同花順軟件。

二、反比參與率

三、特征向量計算收益率

采用特征向量計算上證綜指和中小板綜指的收益率，方法如下：

總結

本文研究表明股票相關系數矩陣的最大特征值λmax對應的反比參與率恰是該股票網絡中所有的反比參與率的最小值，而對應的1/I值最大。這實際上從反比參與率Ik的角度揭示了股票網絡相關矩陣的最大特征值λmax的物理內涵。

參考文獻：

[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.

[責任編輯 陳丹丹]