本专栏前期提供的关于证券市场业绩价值建模的方法论，适合用于分析证券市场长期有效程度、证券实质价值背书以及估值泡沫风险等问题。然而，现实市场在价值规律之外，还要受到各种非内在价值因素影响，例如国际问题冲击、宏观政策变动、投机者话题炒作、代理人道德风险等等。因此，现实市场经常会出现或长或短时期或严重或轻微的机制失效和价值偏离。一旦市场参与者无法遵循价值规律达成理性共识，由浓厚炒作情绪促成的投机共识便占领市场上风，技术指标则成为分析的主流。其中，板块股、概念股、关联股的同涨同跌、轮涨轮跌就是此类技术分析共识的典型体现。本期文章将就市场各证券交易指标之间的关联关系提供一种基于复杂网络方法的分析模型。
首先分析两只证券之间价格的关联关系。我们可以使用两只证券同期价格涨跌的相似度指标，例如价格变动百分比的余弦相似度，来分析两只证券的同涨同跌程度。
![]()
上式 ![]() 是证券i某时期的价格变动百分比序列向量，![]() 是证券j某时期的价格变动百分比序列向量， ![]() 是证券i和证券j价格变动百分比序列的余弦相似度。 该相似度数值越靠近1，则两只证券价格变动同向程度越强；越靠近-1，则两只证券价格变动异向程度越强；越靠近0，越不相关。
然后逐对计算市场上证券之间的相似度，筛选出相似度绝对值超过某数值R或者相似度高至低排序前N名的证券对，把单只证券看作市场的节点，进行上述证券对的连边，形成一个市场关联关系网络。
如本专栏其他文章，还是以Python库valuequant作为分析工具，进行证券市场交易指标关联关系网络分析示例，该功能由valuequant的StockNet证券市场潮汐能量网络建模数据服务提供。
分析整体市场证券之间关联程度
研究者可以按市场网络相似度绝对值超过某数值R的连边（证券对）数量，或相似度高至低排序前N名连边（证券对）最低相似度数值，分析整体市场证券之间的关联程度。
>>> import valuequant as vq
>>> vq.login(&#39;<BoomEvolve用户名>&#39;,&#39;<用户密码>&#39;)#可登陆www.boomevolve.com注册用户
>>> sn=vq.StockNet.StockNet(&#39;daily&#39;,&#39;2022-03-18&#39;,&#39;SYN&#39;,&#39;price&#39;)#查询基于2022-03-18之前30个自然日内同期交易日价格变动余弦相似度的证券市场网络
>>> sn.NetworkInfo()#查询获得数据，市场前50*有效节点数名连边最低相似度绝对值是0.8757
{&#39;vertexnum&#39;: 4633, &#39;edgenum&#39;: 231650, &#39;simulimited&#39;: 0.8757}可以分析市场网络的连通子图的关联关系数据。
>>> sn.NetworkGraphs(radius=&#39;S80&#39;)#分析余弦相似度大于0.8的网络的连通子图数据
vertexnum edgenum
sid
0 2850 231480
1 2 2
...
>>> sn.GraphVertexes(radius=&#39;S80&#39;,sid=0)
[&#39;000001.SZ&#39;, &#39;000002.SZ&#39;, &#39;000005.SZ&#39;, &#39;000006.SZ&#39;,...]分析证券与其他证券的关联关系
研究者可以分析证券节点与其出边终点或入边起点的相似度，对于同期价格变动市场网络而言，节点的出边和入边是对称的，即节点之间的连边是双向关系、市场网络为无向网络。
>>> sn.VertexNeighbors(&#39;<证券代码>&#39;,&#39;out&#39;)
endvertex simularity
0 000099.SZ 0.8872
1 000402.SZ 0.8798
...
>>> sn.EdgeFrequency(&#39;<证券代码>&#39;,&#39;<证券代码>&#39;,0.85)
[&#39;2022-02-11&#39;, &#39;2022-02-18&#39;, &#39;2022-02-25&#39;, &#39;2022-03-04&#39;]还可以分析证券节点与其他节点在各历史时期相似度大于某数值的次数，来分析关联关系的生命周期。
>>> sn.EdgeFrequency(&#39;<证券代码>&#39;,&#39;<证券代码>&#39;,0.85)
[&#39;2022-02-11&#39;, &#39;2022-02-18&#39;, &#39;2022-02-25&#39;, &#39;2022-03-04&#39;]以上是分析证券同期价格变动百分比余弦相似度网络的例子。在研究的过程中，还可以分析某时期证券价格变动百分比序列和其他证券价格变动百分比滞后N步序列，来分析轮涨轮跌的；也可以分析某时期证券之间交易金额变动百分比来分析资金流向。研究者可根据研究需要，使用研究工具自行实践。
下期文章将讨论如何给予上述市场关联关系网络进行证券节点聚类分析。 |
|
转播
