■周 亮

一、引言

网络关联度常被用来识别不同经济个体间的相互关系。当网络关联度越高时，经济个体间的关系更为复杂，联系更为紧密。当某个经济个体（尤其是在网络中重要性较高的个体）出现问题的时候，风险很容易通过网络传导至其他经济个体上，从而导致其他较为脆弱的经济个体出现问题。衡量网络关联度的方法较多，代表性的包括Billio et al.（2012）利用格兰杰因果网络提出的动态因果指数（DCI）、Diebold和Yilmaz（2012）基于广义误差方差分解提出的信息溢出指数法。通过借鉴系统性金融风险的衡量指标和方法来对股市整体的数据进行分析，可以对股市整体的系统性风险进行识别，并为投资者的风险识别与管理提供有益的帮助和借鉴。

考虑到网络关联度不仅可以将其作为单一指标研究其动态特征及对市场整体的影响，还可以通过研究网络的内部结构识别各行业的风险溢出状况。基于此，笔者拟利用申万行业指数收益率及波动率构造我国股市行业层面的网络关联度，并试图从以下三个方面详细研究行业网络关联度的动态特征及其对股市下跌风险的影响：第一，网络关联度的动态特征如何？风险较高的时间节点的网络关联度是否明显高于风险较低的时间节点？第二，不同行业在网络中的特征是否有显著差异？哪些行业在系统中的重要程度更高？第三，网络关联度是否能够对未来的股市下跌风险进行预测，从而为投资者的风险管理提供有益借鉴？……