劉建剛　陳蘆霞

摘要： 為探究新冠疫情對中國股票市場的影響，利用格蘭杰因果檢測，構(gòu)建疫情爆發(fā)前、爆發(fā)期和疫情常態(tài)化控制三個階段的復(fù)雜網(wǎng)絡(luò)模型。分別從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、抗毀性能和節(jié)點重要性進(jìn)行比較分析。發(fā)現(xiàn)疫情沖擊明顯改變了上證行業(yè)板塊結(jié)構(gòu)關(guān)系，行業(yè)指數(shù)間聯(lián)動效應(yīng)有所減弱；網(wǎng)絡(luò)攻擊仿真實驗顯示，面對破壞性更強(qiáng)的蓄意攻擊，第三階段抵抗能力更持久，其次是第一、二階段的網(wǎng)絡(luò)。疫情前后行業(yè)股票重要性排序發(fā)生了顯著變化，電子、社會服務(wù)、綜合和商貿(mào)零售行業(yè)在股市上逐漸處于中心主導(dǎo)位置；計算機(jī)、家用電器和通信行業(yè)成為股市網(wǎng)絡(luò)中信息傳輸效率的重要控制節(jié)點。疫情過程中，醫(yī)藥生物所受正向沖擊明顯，成為了市場中風(fēng)險傳染的緩沖器。

關(guān)鍵詞： 復(fù)雜網(wǎng)絡(luò)；新冠疫情；動態(tài)結(jié)構(gòu)變化；抗毀性

中圖分類號：?? N949? 文獻(xiàn)標(biāo)識碼： A

The Impact of Epidemic on Shanghai Stock Exchange Industry Based on Complex Networks

LIU Jiangang， CHEN Luxia

（a. School of Science; b. Hunan Key Laboratory of Hunan Province for Statistical Learning and Intelligent ComputationHunan University of Technology and Business， Changsha 410205， China）

Abstract： In order to explore the impact of the Covid-19 epidemic on China′s stock market， the Granger causality test is used to construct a complex network model of three stages before the outbreak， the outbreak period and the normalized control of the epidemic. The comparative analysis is made from the network topology， survivability and node importance. It is found that the impact of the epidemic has significantly changed the structural relationship of the Shanghai Stock Exchange industry sectors， and the linkage effect between industry indices has weakened; the network attack simulation experiment shows that in the face of more destructive deliberate attacks， the third stage has a more durable resistance， followed by the first， second-stage network. Before and after the epidemic， the ranking of the importance of industry stocks has changed significantly. The electronics， social services， comprehensive and commercial retail industries have gradually taken an important position in the stock market; the computer， household appliances and communication industries have become important control nodes for information transmission efficiency in the stock market network. During the attack of the epidemic， the positive impact of medical biology was obvious， and it became a buffer for risk contagion in the market.

Keywords： complex networks; COVID-19; dynamic structural change; invulnerability

0 引言

新冠疫情作為一件重大突發(fā)公共衛(wèi)生事件，對全球經(jīng)濟(jì)的破壞力度不容小覷，中國作為世界第二大經(jīng)濟(jì)體，遭受新冠疫情猛烈襲擊而產(chǎn)生的經(jīng)濟(jì)劇烈波動也將對全球經(jīng)濟(jì)局勢造成一定影響。疫情對中國經(jīng)濟(jì)以及金融市場的影響成為了研究熱點。徐宏等[1]基于事件研究法實證分析爆發(fā)的新冠疫情對中國股市產(chǎn)生的影響，研究結(jié)果表明，疫情對股市負(fù)向沖擊力度大，呈現(xiàn)短期效應(yīng)，并且對主板市場造成負(fù)面影響最深；另外投資者負(fù)面情緒的傳染效應(yīng)極為明顯，造成股市整體狀態(tài)呈現(xiàn)下跌。周民軍等[2]運用事件研究法，在宏觀層面上分析新冠疫情對中國經(jīng)濟(jì)運行、金融市場波動的影響，實證表明新冠疫情在醫(yī)藥、電子等行業(yè)產(chǎn)生積極影響，勞動密集型生產(chǎn)類行業(yè)的異常收益率則遭受脈沖式下降。目前，國內(nèi)學(xué)者主要從宏觀角度研究疫情對整個金融市場的影響，而針對行業(yè)板塊的相互影響以及聯(lián)動變化的研究較少。

復(fù)雜網(wǎng)絡(luò)廣泛存在于自然與社會領(lǐng)域，隨著計算機(jī)技術(shù)的快速發(fā)展，復(fù)雜網(wǎng)絡(luò)理論逐步應(yīng)用到充滿不確定性與復(fù)雜性的金融領(lǐng)域[34]，股票市場本質(zhì)上也是一種復(fù)雜系統(tǒng)，越來越多的學(xué)者利用復(fù)雜網(wǎng)絡(luò)模型研究股票市場從而探究其內(nèi)在波動規(guī)律。Onnela等[5]基于復(fù)雜網(wǎng)絡(luò)相關(guān)理論，采用紐約證券交易所477支股票的收益率數(shù)據(jù)構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)，并進(jìn)一步分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)不同的生長類型、簇的數(shù)目以及聚類系數(shù)等性質(zhì)。Nobi A等[6]通過構(gòu)建韓國股票市場閾值網(wǎng)絡(luò)，考察了2008年全球金融危機(jī)發(fā)生前、中、后三個階段對韓國股市網(wǎng)絡(luò)的影響，研究發(fā)現(xiàn)危機(jī)爆發(fā)時期的閾值網(wǎng)絡(luò)更寬，網(wǎng)絡(luò)聚類系數(shù)在標(biāo)度范圍內(nèi)服從冪律分布。Vrost T等[7]通過構(gòu)建股票市場的格蘭杰因果網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，探索金融危機(jī)在全球股市間的風(fēng)險傳染效應(yīng)，研究發(fā)現(xiàn)股市之間存在優(yōu)先依附關(guān)系，風(fēng)險溢出效應(yīng)與網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)度緊密相關(guān)。Zheng Q等[8]基于復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建全球156個股票市場的格蘭杰因果網(wǎng)絡(luò)，并分析所構(gòu)建格蘭杰因果網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及其演化特征。趙軍產(chǎn)等[9]通過構(gòu)建格蘭杰因果網(wǎng)絡(luò)，結(jié)合蒙特卡羅模擬算法分析在中美貿(mào)易戰(zhàn)影響下金融風(fēng)險傳播情況，研究發(fā)現(xiàn)貿(mào)易戰(zhàn)爆發(fā)初期風(fēng)險傳染力度最強(qiáng)，更容易造成股票行業(yè)指數(shù)“同漲同跌”的局面。

復(fù)雜網(wǎng)絡(luò)構(gòu)建方法與拓?fù)涮卣餮芯坎粩嘭S富的同時，網(wǎng)絡(luò)的抗毀性、魯棒性也引起了學(xué)者們的注意，經(jīng)實證研究結(jié)果顯示，重大突發(fā)事件和政策相關(guān)因素等對股市網(wǎng)絡(luò)的穩(wěn)定性、安全性可能造成一定影響[1011]。目前，關(guān)于網(wǎng)絡(luò)抗毀性能測度分析很多；Albert R等 [12]探究發(fā)現(xiàn)一類非均衡有線網(wǎng)絡(luò)具有很高的容錯性，針對擁有眾多連邊的重要節(jié)點進(jìn)行蓄意攻擊時，網(wǎng)絡(luò)攻擊生存能力會急劇下降。Wang H等 [13]提出了一種損害攻擊法，并將其對網(wǎng)絡(luò)的破壞程度與基于度的攻擊進(jìn)行對比，研究表明多數(shù)真實網(wǎng)絡(luò)存在一個攻擊臨界點，在該臨界值之前損害攻擊對網(wǎng)絡(luò)破壞力度更大。Bellingeri M等 [14]通過對小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)以及真實網(wǎng)絡(luò)采用不同攻擊策略進(jìn)行攻擊，研究表明攻擊策略的效率往往取決于網(wǎng)絡(luò)自身的拓?fù)浣Y(jié)構(gòu)。王梓行等 [15]基于復(fù)雜網(wǎng)絡(luò)冗余度的全局屬性來評估網(wǎng)絡(luò)節(jié)點重要性，針對復(fù)雜網(wǎng)絡(luò)抗毀性優(yōu)化提供了一種有效的參考模型。綜合上述研究，本文將抗毀性研究運用于股票市場網(wǎng)絡(luò)，收集疫情發(fā)生前、中、后三個階段中國A股市場數(shù)據(jù)，采用格蘭杰因果檢測法構(gòu)建復(fù)雜網(wǎng)絡(luò)，分別從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、抗毀性能和節(jié)點重要性探究新冠疫情對上證行業(yè)的影響，最后利用實證研究結(jié)果給出相關(guān)建議。

1 方法和數(shù)據(jù)

1.1 方法與步驟

1.1.1 格蘭杰因果檢驗方法

格蘭杰因果關(guān)系檢驗法是一種衡量平穩(wěn)時間序列之間是否存在相互影響的有效方法，其基本原理為：對于兩個平穩(wěn)的時間序列Xt和Yt構(gòu)建帶有p、q階滯后項的自回歸模型[1617]：

1.2 數(shù)據(jù)描述與說明

申銀萬國股價系列指數(shù)作為一套覆蓋面廣、代表性強(qiáng)的風(fēng)格系列指數(shù)，能夠迅速反應(yīng)股市，且充分考慮滬深市場實際。本文采用申銀萬國一級31類行業(yè)股票指數(shù)的收盤價格數(shù)據(jù)，時間跨度為2018年6月20日至2021年11月26日，剔除周末以及法定節(jié)假日不交易的日期，一共837組數(shù)據(jù)。本文充分考慮新冠疫情爆發(fā)期間各類重大事件，時間節(jié)點分別選取2020年1月23日即武漢封城日，2020年4月17日即全國復(fù)工復(fù)產(chǎn)逐漸全覆蓋時間點；劃分3個研究階段：1） 新冠疫情爆發(fā)前， 2018年6月20日至2020年1月22日（391個交易日）；2） 疫情爆發(fā)期， 2020年1月23日至2020年4月16日（54個交易日）；3）疫情常態(tài)化控制階段，2020年4月17至2021年11月26日（392個交易日）；數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

此外，針對于第二階段相較于第一、三階段數(shù)據(jù)量偏少仍然單獨劃分出來研究，一是基于本文選擇的分析方法結(jié)合實驗效果綜合考慮的結(jié)果；二是單獨劃分出來可以展現(xiàn)疫情直面沖擊的真實效果；在網(wǎng)絡(luò)構(gòu)建效果層面呈現(xiàn)出一種短暫連續(xù)的動態(tài)變化效果；從研究內(nèi)容角度起到了一種過渡與細(xì)化分析的作用。

2 實證分析

2.1 格蘭杰因果有向加權(quán)網(wǎng)絡(luò)構(gòu)建與拓?fù)浣Y(jié)構(gòu)分析

首先將本文選取的申萬一級行業(yè)指數(shù)收盤價格進(jìn)行對數(shù)收益率化，計算公式為

Rit=lnPit-lnPi（t-1）（8）

其中，Pit為第i個申萬一級行業(yè)指數(shù)在交易日t內(nèi)的收盤價格。接著對31個經(jīng)過對數(shù)收益率化的時間序列進(jìn)行ADF檢驗，利用Eviews軟件計算，檢驗結(jié)果表明數(shù)據(jù)均為不含有時間趨勢項以及截距項的平穩(wěn)時間序列。確保時間序列數(shù)據(jù)為平穩(wěn)性數(shù)據(jù)后，進(jìn)一步對31個行業(yè)信息數(shù)據(jù)兩兩之間進(jìn)行格蘭杰因果關(guān)系檢驗，其中滯后項的選取參考AIC、SC和HQ信息準(zhǔn)則，綜合各項檢驗值來確定最佳滯后階數(shù)，將在顯著性水平α=0.05下檢驗得到的F值作為網(wǎng)絡(luò)連邊之間的權(quán)重；最后通過Gephi軟件繪制出新冠疫情爆發(fā)前、中、后三個時期的格蘭杰因果有向加權(quán)網(wǎng)絡(luò)，如圖1所示。

圖1直觀展現(xiàn)了上證股市各類行業(yè)板塊在這三個階段的整體關(guān)聯(lián)性以及行業(yè)指數(shù)間的聯(lián)動變化；疫情爆發(fā)前，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)整體呈現(xiàn)出比較健碩的狀態(tài)，節(jié)點間的聯(lián)系較為緊密，基本上每個股市行業(yè)節(jié)點都擁有著一定比例的連邊，呈現(xiàn)穩(wěn)定特征。2020年1月23日，武漢封城；由疫情帶來的諸多不確定性對各類行業(yè)板塊造成負(fù)面沖擊，一周內(nèi)中國上證指數(shù)和深圳成指下跌幅度近10%；3月國際金融市場開始出現(xiàn)劇烈動蕩，中國股市遭受間接負(fù)向猛烈沖擊，滬深股市再次出現(xiàn)巨幅下跌，再創(chuàng)新低；上證股市的網(wǎng)絡(luò)稠密度急劇下降，拓?fù)浣Y(jié)構(gòu)變得十分稀疏；許多行業(yè)板塊被沖散成多個孤立的節(jié)點，可以看出新冠疫情對中國滬深股市幾乎產(chǎn)生全方位的攻擊，邊緣化行業(yè)板塊數(shù)目的增加反映出疫情風(fēng)險仍帶來一定未知風(fēng)險。隨著中國疫情防控政策的精準(zhǔn)深入實施，疫情拐點很快出現(xiàn)；反映在股票市場上則是各類行業(yè)板塊之間的聯(lián)系也隨之重新建立，網(wǎng)絡(luò)稠密性逐漸明顯，但此時網(wǎng)絡(luò)中心節(jié)點開始發(fā)生顯著轉(zhuǎn)移，較為明顯的是計算機(jī)、通信和家用電器等行業(yè)股票在市場中不斷靠近中心位置。

進(jìn)一步結(jié)合各類拓?fù)浣Y(jié)構(gòu)特征統(tǒng)計值來分析，由表1可知網(wǎng)絡(luò)稠密度極速下降后又加速回升，網(wǎng)絡(luò)密度由0.208降至0.025后又上升到0.058；側(cè)面顯示出重大風(fēng)險沖擊對股市網(wǎng)絡(luò)穩(wěn)定性有很大影響。疫情未發(fā)生前，網(wǎng)絡(luò)平均度高達(dá)6.226，平均路徑長度為1.939，各行業(yè)關(guān)聯(lián)性較強(qiáng)，銀行、非銀金融為股市行業(yè)的主導(dǎo)板塊。平均聚類系數(shù)可以反映行業(yè)間的“抱團(tuán)”現(xiàn)象，其值越趨近于1，表明該節(jié)點與周圍節(jié)點的連接程度越高；疫情后期，各類行業(yè)板塊的聚集性有所下降，從0.334減至0.075，可見為降低危機(jī)時期所帶來的風(fēng)險，行業(yè)間的信息傳遞在一定程度進(jìn)行了有效過濾，行業(yè)在不斷加強(qiáng)自身的發(fā)展能力以及抗風(fēng)險能力，從而防止過度依賴造成的連帶收益損失。

2.2 上證行業(yè)股票關(guān)聯(lián)網(wǎng)絡(luò)抗毀性分析

為進(jìn)一步研究疫情對上證股市的影響，本文利用蓄意攻擊與隨機(jī)攻擊兩種模式對網(wǎng)絡(luò)進(jìn)行瓦解直至網(wǎng)絡(luò)完全崩潰。蓄意攻擊是指在按照介數(shù)大小對節(jié)點進(jìn)行重要性排序的基礎(chǔ)上，依次移除每個節(jié)點，對網(wǎng)絡(luò)進(jìn)行攻擊；隨機(jī)攻擊則是通過隨機(jī)移除節(jié)點方式，破壞網(wǎng)絡(luò)節(jié)點之間的聯(lián)系。在仿真模擬實驗中，隨機(jī)攻擊采用蒙特卡洛模擬100次結(jié)果取平均值。

圖2、圖3分別繪制了3個時期全局網(wǎng)絡(luò)連通效率E和最大連通子圖規(guī)模S的變化情況?？梢钥闯龅诙A段即疫情爆發(fā)期，網(wǎng)絡(luò)極其脆弱，蓄意攻擊時網(wǎng)絡(luò)崩潰臨界值fo均在0.2～0.3之間；進(jìn)一步來看，第二時期的E值幾乎總處于最低，S值波動下降速度最快。第一、三階段 fo處于0.65～0.75之間，盡管第三階段S值曲線在其他兩個時期上下波動，但網(wǎng)絡(luò)崩潰臨界值fo卻最大；這反映在疫情常態(tài)化控制階段，上證股市韌性得到回彈。面對隨機(jī)攻擊時，第一階段的E值、S值曲線總保持在最上方，3個時期fo均在0.95～1.00之間，可見網(wǎng)絡(luò)在面對隨機(jī)攻擊時抗毀性能更強(qiáng)。綜合來看，三個階段的行業(yè)關(guān)聯(lián)網(wǎng)絡(luò)抗毀能力強(qiáng)弱不一，面對外界攻擊，第三階段網(wǎng)絡(luò)擁有最持久的抵抗能力，網(wǎng)絡(luò)的連通性比較強(qiáng)?。坏诙A段的網(wǎng)絡(luò)更容易被瓦解，網(wǎng)絡(luò)連邊的關(guān)系顯得更為薄弱。

2.3 行業(yè)沖擊影響分析

為進(jìn)一步了解新冠疫情爆發(fā)前后期間上證股市發(fā)展變化的潛在規(guī)律，本節(jié)對新冠疫情爆發(fā)前與疫情常態(tài)化控制兩個時期行業(yè)指數(shù)格蘭杰因果網(wǎng)絡(luò)的相關(guān)刻畫指標(biāo)進(jìn)行研究與分析，具體包括幾何位置中心性刻畫指標(biāo)、信息傳輸控制能力刻畫指標(biāo)以及關(guān)聯(lián)強(qiáng)度刻畫指標(biāo)。

2.3.1 行業(yè)重要性以及信息傳輸效率分析

接近中心性反映節(jié)點在網(wǎng)絡(luò)中所占據(jù)位置的相對重要性；介數(shù)中心性近似衡量了行業(yè)節(jié)點在網(wǎng)絡(luò)中對信息流動的影響力。表2和表3分別統(tǒng)計了疫情爆發(fā)前和疫情常態(tài)化控制兩個時期行業(yè)節(jié)點接近中心性和介數(shù)中心性排名變化。

由表2知，疫情爆發(fā)前接近中心性最高的節(jié)點分別為銀行、非銀金融、輕工制造和煤炭。作為國民經(jīng)濟(jì)運作樞紐的銀行業(yè)，其與非銀金融在股票市場中向來擁有主導(dǎo)地位；輕工制造業(yè)、煤炭行業(yè)是國家經(jīng)濟(jì)的重要支柱，所以在網(wǎng)絡(luò)中處于中心位置。經(jīng)歷疫情沖擊后的恢復(fù)階段，接近中心性最高的節(jié)點變成了電子、綜合、社會服務(wù)和商貿(mào)零售。其中電子、社會服務(wù)以及綜合行業(yè)的出強(qiáng)度均有所增加，說明其對外溢出效應(yīng)增強(qiáng)；在社會服務(wù)方面，中國醫(yī)療、健康等相關(guān)服務(wù)在本次疫情防控期間更是得到了優(yōu)越體現(xiàn)與發(fā)展，中國疫情防控的效率高且以人民為中心的發(fā)展理念得到深入貫徹落實，該類行業(yè)反映在股票市場中則是成為影響輻射力更廣的一類行業(yè)指數(shù)，由其中心性排名直接上升了26位亦可體現(xiàn)該效果；疫情期間，云辦公、云醫(yī)療和線上學(xué)習(xí)等方式廣泛流行，積極帶動了電子產(chǎn)業(yè)、綜合產(chǎn)業(yè)的發(fā)展，實體經(jīng)濟(jì)上升空間明顯增大，促使該三類行業(yè)板塊股票價格上漲幅度明顯，在股市網(wǎng)絡(luò)上也不斷接近著中心位置；隨著線上電商銷售渠道滲透率提升，商貿(mào)零售業(yè)發(fā)展前景進(jìn)一步打開，該行業(yè)板塊也開始成為網(wǎng)絡(luò)中與其他節(jié)點指數(shù)最為接近的節(jié)點。綜合來看，傳統(tǒng)制造業(yè)與高新技術(shù)產(chǎn)業(yè)存在一定的相互融合，共同作用于股市運行機(jī)制當(dāng)中。

由表3知，疫情爆發(fā)前介數(shù)中心性排名前五的節(jié)點為銀行、非銀金融、紡織服飾、石油石化和煤炭。反映出在疫情爆發(fā)前，上述節(jié)點是網(wǎng)絡(luò)中的信息傳輸最短路徑所經(jīng)過的高頻節(jié)點，在股票市場中表現(xiàn)為資金流動的主要行業(yè)節(jié)點。疫情常態(tài)化控制期，網(wǎng)絡(luò)中介數(shù)中心性最高的5個節(jié)點依次為家用電器、計算機(jī)、石油石化和基礎(chǔ)化工。其中計算機(jī)和通信排名依次上升了23和20位?？梢娛苄鹿谝咔橛绊懀献C股市的資金流通路徑更加傾向于傳統(tǒng)制造業(yè)和科技產(chǎn)業(yè)為主的股票。疫情期間的隔離政策和封閉式管理，無形之中加快推進(jìn)IT產(chǎn)業(yè)線上遷移和云化等數(shù)字化進(jìn)程，極大促進(jìn)了計算機(jī)行業(yè)股票指數(shù)的上漲；云服務(wù)、大數(shù)據(jù)和人工智能等新一代信息技術(shù)的優(yōu)勢進(jìn)一步顯現(xiàn)，上游產(chǎn)業(yè)溢出效應(yīng)增強(qiáng)，刺激了處于中游產(chǎn)業(yè)鏈的通信行業(yè)發(fā)展，反映在格蘭杰因果網(wǎng)絡(luò)上則是成為控制信息流動的重要節(jié)點，同時可以看出高新技術(shù)產(chǎn)業(yè)的發(fā)展韌性更強(qiáng)；因此計算機(jī)與通信行業(yè)節(jié)點介數(shù)中心性排名呈現(xiàn)大幅上升。觀察到家用電器行業(yè)節(jié)點的入強(qiáng)度增大，強(qiáng)度比值均減小，使得該行業(yè)更傾向于遭受外部沖擊影響，從而成為股市風(fēng)險傳染路徑的流通節(jié)點。從整體排名變化幅度趨勢來看，疫情沖擊對網(wǎng)絡(luò)節(jié)點間信息流動與資金流向進(jìn)行了較大幅度轉(zhuǎn)變，之前具有優(yōu)勢的排名前十的行業(yè)大部分被置于優(yōu)勢不太明顯的境地。

2.3.2 行業(yè)間關(guān)聯(lián)性波動分析

行業(yè)節(jié)點的出強(qiáng)度與入強(qiáng)度體現(xiàn)的是行業(yè)影響其他行業(yè)以及受其他行業(yè)影響能力的強(qiáng)弱。圖4繪制了不同時期上證股市中每個行業(yè)節(jié)點的出強(qiáng)度和入強(qiáng)度特征值。疫情爆發(fā)前，出、入強(qiáng)度最大的分別是銀行、非銀金融行業(yè)和煤炭。在遭受疫情沖擊后，出強(qiáng)度大的主要行業(yè)節(jié)點為計算機(jī)、建筑材料和房地產(chǎn)，入強(qiáng)度值大的則主要是國防軍工、建筑裝飾和家用電器。此外，醫(yī)藥生物、環(huán)保和食品飲料行業(yè)的出、入強(qiáng)度變化幅度波動也較為明顯；由此可見無論是傳統(tǒng)制造業(yè)或是高新技術(shù)產(chǎn)業(yè)等行業(yè)板塊的輸入、輸出影響力和風(fēng)險耐受程度都發(fā)生了變動。

結(jié)合來看，疫情給大多數(shù)行業(yè)都產(chǎn)生了消極影響，尤其是以傳統(tǒng)生產(chǎn)方式為主的相關(guān)制造業(yè)。對比疫情前后，人類的生活方式以及消費結(jié)構(gòu)均有所轉(zhuǎn)變。工作方式與教育方式出現(xiàn)的云辦公，線上課堂等以及線上直播帶貨的方式廣泛運用，促進(jìn)了計算機(jī)以及電子行業(yè)向前發(fā)展，故計算機(jī)行業(yè)節(jié)點作為“格蘭杰因”的效應(yīng)明顯增強(qiáng)。房地產(chǎn)銷售的減少加重了對電器消費以及建筑裝飾的抑制，電器消費在趨于飽和狀態(tài)背景下，更多需要突破電器智能創(chuàng)新難關(guān)，受疫情影響，對其消費更是產(chǎn)生不利影響，故其作為“格蘭杰果”效應(yīng)變得明顯。

受疫情期間相關(guān)信息披露對弱勢有效市場的影響，股價波動對于利好、利空信息變得極為敏感，醫(yī)藥生物等三類行業(yè)股票指數(shù)在短時間內(nèi)的信息流動變得更加頻繁，使得其與行業(yè)間的信息聯(lián)系構(gòu)建變得極為不穩(wěn)定；反映在格蘭杰因果網(wǎng)絡(luò)中上述行業(yè)成為了特殊的孤立節(jié)點。醫(yī)藥生物行業(yè)一直以來屬于國家重點發(fā)展項目、戰(zhàn)略新興產(chǎn)業(yè)；此次疫情防控調(diào)動大量醫(yī)藥物資需求量上漲，疫苗研發(fā)與疾病救治促使醫(yī)藥研發(fā)與制造投入比例大幅增加，直接刺激了醫(yī)藥概念相關(guān)股價上漲；進(jìn)一步結(jié)合股價變化趨勢來看，醫(yī)藥生物行業(yè)股指在此次疫情中攀升趨勢明顯，上漲態(tài)勢持續(xù)較久，可見其受疫情的正向沖擊明顯，一定程度上成為上證股市中風(fēng)險沖擊的緩沖器。同時醫(yī)藥衛(wèi)生的急需保障和疫情防控的嚴(yán)格衛(wèi)生要求也帶動了環(huán)保行業(yè)的發(fā)展。對于食品飲料行業(yè)，盡管在疫情爆發(fā)期，旅游業(yè)以及餐飲行業(yè)等的絕對低迷發(fā)展景氣對食品飲料行業(yè)造成巨幅沖擊。然而，“無接觸配送”、“無接觸點餐”卻是迎合了當(dāng)下發(fā)展機(jī)遇，電商銷售前景不斷打開，作為剛需性行業(yè)的食品飲料業(yè)成功扭轉(zhuǎn)疫情不利局面。

3 結(jié)論與展望

本文以31類行業(yè)的股票價格指數(shù)為研究對象，采用格蘭杰因果檢測法構(gòu)建上證股市有向加權(quán)網(wǎng)絡(luò)，旨在分析新冠疫情前后對中國上證行業(yè)的影響；結(jié)果表明，遭受新冠疫情沖擊后，中國上證股市結(jié)構(gòu)關(guān)系發(fā)生明顯改變。從格蘭杰因果角度來看，不確定時期的經(jīng)濟(jì)變量變得更加敏感，行業(yè)間的聯(lián)動效應(yīng)有所減弱。網(wǎng)絡(luò)抗毀性仿真實驗結(jié)果表明，面對隨機(jī)攻擊，網(wǎng)絡(luò)的穩(wěn)定性更強(qiáng)；而蓄意攻擊情況下，進(jìn)行一番關(guān)系重塑的第三階段網(wǎng)絡(luò)抵抗能力更持久。根據(jù)接近中心性和介數(shù)中心性排名變化可知，電子、社會服務(wù)、綜合和商貿(mào)零售行業(yè)在股市上逐漸接近重要主導(dǎo)地位；計算機(jī)、家用電器和通信行業(yè)成為股市網(wǎng)絡(luò)中信息傳輸效率的重要控制節(jié)點。由行業(yè)間關(guān)聯(lián)性波動分析可知，疫情襲擊過程中，醫(yī)藥生物所受正向沖擊影響最為明顯，在股票市場中成為了抵御風(fēng)險傳染的有效“緩沖器”。

綜合以上分析：疫情沖擊改變了上證股市行業(yè)板塊的結(jié)構(gòu)，暴露出傳統(tǒng)制造業(yè)的一些短板，但疫情也刺激了數(shù)字產(chǎn)業(yè)的發(fā)展，對此政府可以進(jìn)行適當(dāng)政策調(diào)控，鼓勵拓寬數(shù)字技術(shù)在傳統(tǒng)行業(yè)板塊的應(yīng)用。此外，基于復(fù)雜網(wǎng)絡(luò)方法，本文僅探究了疫情影響下股市內(nèi)部元素之間的聯(lián)系與改變，缺少對不同股市間影響機(jī)制、股市預(yù)警等方面的內(nèi)容分析，這也將成為下一步研究工作。

參考文獻(xiàn)：

[1]徐宏， 蒲紅霞. 新冠疫情對中國股票市場的影響——基于事件研究法的研究[J].金融論壇， 2021， 26（7）： 70－80.

XU H， PU H X. The impact of COVID－19 on Chinas stock market-based on event study[J].Finance Forum， 2021， 26（7）： 70－80.

[2]周民軍，曲彬，黃雯，等. 新冠肺炎疫情沖擊對我國產(chǎn)業(yè)發(fā)展和金融市場波動的影響——基于事件研究法和EGARCH模型的實證研究[J].華北金融， 2021，43（2）： 28－39，55.

ZHOU J M， QU B， HUAN W，et al. The impact of COVID－19 on Chinas industrial development and financial market volatility-based on event study and EGARCH model[J]. Huabei Finance， 2021，43（2）： 28－39，55.

[3]WANG X F， CHEN G. Complex networks： small-world， scale-free and beyond[J]. IEEE Circuits and Systems Magazine， 2003， 3（1）： 6－20.

[4]LI M， LIU R R， L L，et al. Percolation on complex networks： theory and application[J]. Physics Reports， 2021， 907： 1－68.

[5]ONNELA J P， KASKI K， KERTSZ J. Clustering and information in correlation based financial networks[J]. The European Physical Journal B， 2004， 38（2）： 353－362.

[6]NOBI A， MAENG S E， HA G G，et al. Effects of global financial crisis on network structure in a local stock market[J]. Physica A： Statistical Mechanics and Its Applications， 2014， 407： 135－143.

[7]VROST T， LYCSA ， BAUMHL E. Granger causality stock market networks： temporal proximity and preferential attachment[J]. Physica A： Statistical Mechanics and Its Applications， 2015， 427： 262－276.

[8]ZHENG Q， SONG L. Dynamic contagion of systemic risks on global main equity markets based on granger causality networks[J]. Discrete Dynamics in Nature and Society， 2018（2）：1－13.

[9]趙軍產(chǎn)，黃麒安，吳曉群，等.基于格蘭杰因果網(wǎng)絡(luò)的中美貿(mào)易戰(zhàn)對上證行業(yè)沖擊的研究[J].物理學(xué)報，2021，70（7）：325－333.

ZHAO J C， HUAN Q A，WU X Q，et al.The impcat of trade war on Shanghai stock exchange industry based on granger causality network[J]. Acta Physica Sinica，2021，70（7）：325－333.

[10] 黃軻，陳瑤雯，劉曙華，等.“黑天鵝”事件與中國金融市場波動傳遞的動態(tài)網(wǎng)絡(luò)[J].金融經(jīng)濟(jì)學(xué)研究，2021，36（5）：31－47.

HUAN K， CHEN W Y， LIU S H， et al. “Black swan” events and dynamic network of volatility transmission in Chinas financial market[J.]Financial Economics Research， 2021，36（5）：31－47.

[11] 周方召，賈少卿.經(jīng)濟(jì)政策不確定性、投資者情緒與中國股市波動[J].金融監(jiān)管研究，2019，8（8）：101－114.

ZHOU F Z， JIA S Q. Economic policy uncertainty， investor sentiment and Chinas stock market volatility[J]. Financial Regulation Research， 2019，8（8）：101－114.

[12] ALBERT R， JEONG H， BARABSI A L. Error and attack tolerance of complex networks[J]. Nature， 2000， 406（6794）： 378－382.

[13] WANG H， HUANG J， XU X， et al. Damage attack on complex networks[J]. Physica A： Statistical Mechanics and Its Applications， 2014， 408： 134－148.

[14] BELLINGERI M， CASSI D， VINCENZI S. Efficiency of attack strategies on complex model and real-world networks[J]. Physica A： Statistical Mechanics and Its Applications， 2014， 414： 174－180.

[15] 王梓行，姜大立，漆磊，等.基于冗余度的復(fù)雜網(wǎng)絡(luò)抗毀性及節(jié)點重要度評估模型[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2020，17（3）：78－85.

WANG Z H， JIANG D L，QI L，et al. Complex network invulnerability and node importance evaluation model based on redundancy[J]. Complex Systems and Complexity Science， 2020，17（3）：78－85.

[16] GRANGER C W J. Investigating causal relations by econometric models and cross-spectral methods[J]. Econometrica： journal of the Econometric Society， 1969，37（3）： 424－438.

[17] SIGGIRIDOU E， KOUTLIS C， TSIMPIRIS A， et al. Evaluation of Granger causality measures for constructing networks from multivariate time series[J]. Entropy， 2019， 21（11）： 1080.

[18] FREEMAN L C. Centrality in social networks conceptual clarification[J]. Social Networks， 1978， 1（3）： 215－239.

[19] COSTA L F， RODRIGUES F A， TRAVIESO G， et al. Characterization of complex networks： a survey of measurements[J]. Advances in Physics， 2007， 56（1）： 167－242.

[20] 汪小帆， 李翔， 陳關(guān)榮. 網(wǎng)絡(luò)科學(xué)導(dǎo)論[M].北京：高等教育出版社，2012：161.

（責(zé)任編輯 耿金花）

收稿日期： 2022－08－14；修回日期：2022－10－10

基金項目： 湖南省教育廳科學(xué)研究項目（22B0612）

第一作者： 劉建剛（1984－），男，山東泰安人，博士，副教授，主要研究方向為多智能體系統(tǒng)分布式協(xié)同控制理論及其應(yīng)用。

通信作者： 陳蘆霞（1998－），女，江西貴溪人，碩士研究生，主要研究方向為復(fù)雜網(wǎng)絡(luò)在金融、經(jīng)濟(jì)領(lǐng)域的研究與應(yīng)用。