基于多层复杂网络的沪深港股市能源板块联动与风险溢出研究

马浩宇 刘胤轩 徐思楠

（首都经济贸易大学管理工程学院，北京 100070）

沪深港金融市场作为我国股市中心，三者关联性研究对我国有着重要意义。随着大陆和香港之间相互参与的投资越来越多，对沪深港三大市场的关联性和波动性的研究可以对投资者的风险管理起到重要的帮助。本文选用复杂网络方法，构建多层沪深港能源市场网络，通过GARCH-BEKK模型探究市场之间的风险溢出影响，通过Pearson相关系数刻画市场内部的联动性。本研究有助于加深对我国沪深港能源股市内在联系和风险防控的了解，从而利于政府制定有效的政策，帮助投资者建立或改善相关的投资组合。

一、复杂网络构建

（一）网络构造

复杂网络是通过将实体设置为节点，实体之间的联系设为连线，将整个系统建立成一个网络的研究方法。网络构造如下面的等式所示。

复杂网络可以看成由节点和边组成，表示节点数，表示边数。其中可以表示为：

在本研究中，企业被视为节点，在单层网络和多层网络中，Pearson相关系数刻画的相关性和GARCHBEKK捕捉到的溢出关系被视为边，溢出方向为边的方向，溢出数量为网络的边权，上海市场、深圳市场和香港市场为网络中三个层。考虑到过小的显著性会导致失去市场之间一些重要的溢出效应，本研究将显著性水平定为10%，即若估计参数的显著性水平小于10%，则意味着市场之间存在溢出效应。同理，构建单层网络时由Pearson相关系数刻画边，我们认为Pearson相关系数小于0.5的节点之间缺少关联，将连边删除。

（二）溢出网络拓扑参数

本研究通过以下指标进行分析网络拓扑参数：网络直径、平均路径长度、加权入度、加权出度、关键传播路径中介中心性以及模块度，这些指标能反映出网络的紧密程度、风险传播能力，对风险的敏感程度、路径传播特征、在市场中的重要性以及聚类情况。

二、实证分析

（一）数据说明

本研究以证监会分类标准，分别收集了来自上交所、深交所和港交所的全部能源行业上市公司2018-2021四年股票日度数据，经数据预处理后去处期间数据缺失过多的公司。其中上交所共68家，深交所共40家，港交所共40家，通过计算对数收益率得到更加稳定的序列。

（二）实证研究与分析

1．单层网络

本节通过Pearson相关系数构建上海市场、深圳市场和香港市场的单层网络，统计相关性大于0.5的强连接关系，分析其内部的联动性。

（1）可视化网络图

图2 深圳市场

图3 香港市场

（2）中介中心性

通过分析中介中心性可以量化点在网络中地位的重要性。中介中心性反应了企业在溢出网络中的地位，节点的中介中心性越高，说明其参与传播风险的次数越高，重要性越大，结果如表1所示。

表1 单层市场中介中心性

上海市场 中介中心性占比 深圳市场 中介中心性占比 香港市场 中介中心性占比600780.SH（通宝能源） 37.20% 000685.SZ（中山公用） 30.88% 03337.hk（安东油田服务） 41.38%601368.SH（绿城水务） 20.86% 000600.SZ（建投能源） 23.62% 01088.hk（中国神华） 24.14%601991.SH（大唐发电） 13.49% 000883.SZ（湖北能源） 13.59% 00852.hk（海峡石油化工） 17.24%600644.SH（乐山电力） 5.88% 000767.SZ（晋控电力） 9.45% 00386.hk（中国石油化工股份） 17.24%601016.SH（节能风电） 4.21% 000407.SZ（胜利股份） 6.91%…………

由表1可看出，通宝能源、中山公用、安东油田服务分别是上海市场、深圳市场和香港市场最重要的节点，与网络内大部分企业的股票涨跌相关，是调节、控制网络能力最强的企业，具有较大的中介调节效应。因此投资者关注市场内情况时，需注意以上中介中心性较高公司出现波动时带来的风险联动。此外，由网络图可知，上海市场具有最多的连线，相互联系最紧密，而香港市场连线最少，网络内部关联性较弱，具有强影响力的企业只有四家，是整个香港能源市场的主要驱动。

（3）模块度

模块度是一种聚类的方法，将连接紧密的部分聚成同一个模块，在本研究中用于将单层网络中的企业分类，如表2所示。

表2 单层市场模块度

燃气 8.96% 发电 7.50%热力电力 4.48%…………上海市场 深圳市场 香港市场模块类型 数量占比 模块类型 数量占比 模块类型 数量占比电力 22.39% 电力 25.00% 石油化工 10.00%核电、发电 19.40% 环保能源 19.40% 油田 7.50%水务环保 13.43% 热力电力 10.00%……

在上海市场和深圳市场形成的重要性高、关联性强的企业大部分属于电力、发电和环保能源类，其模块特征组织集中到四至五个较大团体，其余为散小团体。在香港市场的模块主要以石油能源为主，其模块集合程度较弱，多分为散小团体。以此看出，在上海市场和深圳市场的企业在网络中存在较强的联系，可以通过寻找主营业务相似的企业发现风险关联性。而香港市场的关联性较弱，彼此独立性强。

2．多层复杂网络

本节通过GARCH-BEKK模型捕捉到沪深港能源市场的溢出效应，构建多层复杂网络，可视化图如图1所示。

图1 上海市场

图4 三层市场

（1）网络直径和平均路径长度

网络直径和平均路径长度体现了风险传播的能力，其越小，表示网络之间关系越密切。如表3所示，本研究构建的沪深港网络紧密性适中。

表3 三层网络紧密度

网络直径 平均路径长度沪深港市场 7 3.179

表5 企业网络指标

加权出度 加权入度 中介中心性公司名称及编号 权重占比 公司名称及编号 权重占比 公司名称及编号 中介中心性占比600900.SH（长江电力） 7.02% 00975.hk（Mongol Mining） 14.61% 002893.SZ（华通热力） 16.26%（百川能源） 4.09% 02012.hk 600681.SH（阳光油砂） 10.95% 600681.SH（百川能源） 13.81%（深南电B） 3.16% 002893.SZ 200037.SZ（华通热力） 10.67% 600167.SH（联美控股） 10.06%（联美控股） 2.55% 000791.SZ 600167.SH（甘肃电投） 4.11% 600969.SH（郴电国际） 9.27%（郴电国际） 2.42% 600167.SH 600969.SH（联美控股） 4.06% 000791.SZ（甘肃电投） 6.22%（重庆水务） 2.36% 01738.hk 601158.SH（飞尚无烟煤） 3.73% 000690.SZ（宝新能源） 4.65%（陕天然气） 2.18% 08479.hk 002267.SZ（金泰丰国际控股） 3.41% 600101.SH（明星电力） 4.44%（绿城水务） 2.07% 600681.SH 601368.SH（百川能源） 2.53% 000685.SZ（中山公用） 2.57%（首创环保） 1.95% 00276.hk 600008.SH（蒙古能源） 2.36% 002267.SZ（陕天然气） 2.40%（国电电力） 1.95% 600969.SH 600795.SH（郴电国际） 2.14% 600452.SH（涪陵电力） 2.30%……

（2）加权出度水平

加权出度表示波动的发送能力，反应节点所代表公司对与其相连节点代表公司产生波动影响能力的大小。

如上表所示，在市场波动溢出排名的表格中，上海市场的加权出度超过60%，而香港市场只有5.1 %。可以得出香港市场不具备足够的波动溢出传播能力，而上海市场是波动溢出的最大传播者，深圳市场位于中间。上海市场存在较强的风险传导能力，具有充足的流动性，带来收益的同时也传播了风险，一旦出现波动，将会导致大量资本溢出，通过资本流动导致其他市场受到“蝴蝶效应”带来的波动影响。因此投资者更应该关注上海市场的变动，将其视为投资的标杆。

在企业波动溢出能力排行中，来自上海证券交易所的长江电力均高居榜首，权重占比达到7.02%，可以反映出长江电力在能源行业中具有巨大的影响力，是波动溢出最大的发送者。从表中看出在波动溢出能力前十排名中无香港公司，因此投资者更多的应将目光放在深圳市场和上海市场。

（3）加权入度水平

加权入度水平反应对市场波动传播的敏感性，若加权入度较大，则可以认为易受到来自外部风险溢出的影响。

从统计结果可知，香港市场具有最高的加权入度占比，将近网络的一半，即香港市场对外部信息最为敏感，股票成熟度较低。对这一种现象可能的解释为，香港面积狭小，人力资源匮乏，并无能源资源，必须依赖进口。近二十年来香港一直处于去工业化的阶段，并未进军新能源产业的开发，香港的能源产业未具备属于自己的核心竞争力，因此易受到其波动传染的影响，上海市场和深圳市场微小的波动会引起香港市场的巨大变化，香港能源市场的投资者需谨慎关注上海市场和深圳市场的风险情况，选择合适的投资组合。

从企业角度分析，Mongol Mining、阳光油砂、华通热力在网络中的加权入度占比均超过10%，表明这些企业对外界波动比较敏感，易受到外界波动的影响。在企业接受波动溢出的排名中，超过一半是来源于港股，这进一步验证了上述香港市场更易受到风险溢出影响的结论。

上海市场和深圳市场展现出了抗干扰能力，而香港市场更易受到其他股市传播风险的冲击。因此选择香港市场加权入度排名靠前企业的投资者可以选择上海市场和深圳市场的加权入度较低的公司进行投资风险的对冲。

表6 关键传播路径强度排名

股票代码编号 公司名称 占比 排名600900.SH→00975.hk 长江电力→Mongol Mining 1.09% 1 600795.SH→02012.hk 国电电力→阳光油砂 0.87% 2 200037.SZ→00975.hk 深南电B→Mongol Mining 0.84% 3 601139.SH→02012.hk 深圳燃气→阳光油砂 0.78% 4 600101.SH→00276.hk 明星电力→蒙古能源 0.54% 5 603318.SH→02012.hk 水发燃气→阳光油砂 0.53% 6 600168.SH→00975.hk 武汉控股→Mongol Mining 0.50% 7 600982.SH→00975.hk 宁波能源→Mongol Mining 0.49% 8 600917.SH→00975.hk 重庆燃气→Mongol Mining 0.49% 9 600283.SH→02012.hk 钱江水利→阳光油砂 0.47% 10……

（4）关键传播路径

本研究进一步分析网络中的权重排名靠前的关键连边。网络共651条连边，表4-13中显示了沪深港能源市场在波动性传递的权重占比前十的关键路径，可以看出，香港市场总是处于波动传导的接收者位置，对外界的波动较敏感，而上海市场则总是处于风险溢出发送者的位置，具有较强的影响整个沪深港能源市场的能力。其中阳光油砂、Mongol Mining多次出现在关键路径中的接收方，意味着这些企业更容易受到风险溢出的影响。投资者和研究人员可根据市场与企业之间的溢出关系，及时调整相关策略。

表4 市场网络指标

加权出度占比 加权入度占比 中介中心性占比上海市场 64.81% 20.01% 49.23%深圳市场 30.09% 30.67% 46.54%香港市场 5.10% 49.32% 4.23%

（5）中介中心性

从表中呈现结果可知，上海市场和深圳市场的中介中心性占比接近一半，而香港市场的占比只有4.23%，说明网络中的绝大多数重要企业来自上海市场和深圳市场。从中介中心性排行靠前的企业可以看出，华通电力、百川能源和联美控股的中介中心性占比相加超过40%，在网络中占据重要的位置，是风险传播的关键枢纽，多次承担着网络中“中介”的身份。

三、结束语

通过结果可以得出，上海市场和深圳市场内部存在较强的联系，其模块集合程度较强，而香港市场内部联系较弱，模块联系不大。上海市场的通宝能源等和深圳市场的中山公用等是网络中主要的节点，以电力、发电和环保能源为主。香港市场是由安东油田服务等四家企业担任网络内所有联系的桥梁，以石油能源为主，大多是散小团体，彼此独立性强。

从市场角度看，上海市场具备强大的风险传导能力，多次担任风险传播的“中介”，是波动溢出的主要参与者。而香港市场对波动溢出更敏感。在波动溢出网络中，权重排名前几的关键溢出关系均呈现了明显的波动传导方向，多是从上海到香港和从深圳到香港，这与上述结论相一致。从企业角度来看，来自上海市场的长江电力是最大的波动发送者，说明长江电力是波动的源头，被认为是市场波动的基准。而Mongol Mining等是主要波动和关键路径传播的接受者，他们对外界信息较敏感，具有较高的动荡性。联美控股等不仅是波动溢出的主要发送者，同样也是波动溢出的主要接受者，是波动传导的重要枢纽。

从结果上看，投资者关注市场内部影响时需注意这些重要企业以及功能相似模块带来的风险联动。沪深港能源市场关系日益紧密，上海市场作为更具有影响力和受影响较小的市场，其内部企业联系密切，可以被认为是能源行业市场波动的投资风向标。对于风险偏好者来说，对外信息最敏感的香港市场因其与外界较高的联动特性和内部较强的独立性，成为风险偏好者的最优选择。本研究为能源行业龙头企业、重点企业的划分提供了依据，为投资者选择投资的企业和方向提供了参考。