DM-MSTP方法在突尼斯金融市场中的应用：2024年案例研究

《Frontiers in Artificial Intelligence》：The application of DM-MSTP method on Tunisian financial market: 2024 case study

　　摘要：本文采用Dhouib矩阵最小生成树问题（DM-MSTP）方法来分析2024年突尼斯所有金融市场之间的拓扑关系。研究结果揭示了一个明显的层次化组织结构，其中金融部门通过银行和金融服务发挥着核心的桥梁作用，将面向消费者的部门和实体经济部门连接起来。两个簇的配置突出显示了一个紧密整合的周期性行业群体，包括基础材料、建筑和建筑材料以及工业，这些行业具有强烈的协同变动性和有限的多元化潜力。将分析扩展到三个簇的框架中，可以更细致地分离消费者和服务部门、实体经济生产部门以及金融中介，从而强调不同的冲击传递渠道：周期性行业内的传染速度更快，而多元化服务部门之间的动态则更具缓冲性。

1. 引言
近几十年来，金融市场经历了由全球化、技术进步和持续金融创新驱动的深刻变革。这些发展增加了市场的动态性和相互关联性，将金融系统转变为由机构、资产和部门组成的复杂网络。因此，起源于市场某一领域的冲击可以迅速在整个系统中传播，放大系统性风险。因此，理解这些相互依赖性对于确保金融稳定、改进风险管理、增强投资组合多元化以及设计有效的监管框架至关重要（Mantegna, 1999; Tumminello et al., 2005）。
传统的金融分析方法，包括相关性分析、回归模型和基于因子的方法，能够提供有关资产之间线性关系的有用见解。然而，这些技术往往无法捕捉到现代金融市场的非线性、高维和层次化特征（Kenett et al., 2010）。金融系统受到多种相互作用力的影响，如投资者行为、制度约束、行业动态和宏观经济冲击，导致复杂的依赖模式，这些模式难以用传统的计量经济学工具检测出来。此外，这些方法通常忽略了间接关系和网络范围内的传播机制，从而限制了它们在分析系统性风险方面的有效性。
在这种背景下，复杂网络理论作为一种强大的框架应运而生，用于建模和分析金融市场。通过将市场表示为图，其中节点对应于资产或机构，边表示它们之间的相互依赖性，基于网络的方法能够识别直接和间接的关系。这些方法使研究人员能够发现相互连接的资产簇，揭示层次结构，并识别市场中的关键节点（Bonanno et al., 2004; Onnela et al., 2003）。因此，与传统技术相比，网络分析提供了对金融市场结构的更全面理解。
在基于网络的方法中，最小生成树（MST）方法尤为突出。通过选择NN个资产中最显著的N-1个连接，MST过滤掉了噪声，揭示了市场连接性的骨干（Mantegna, 1999）。这种方法已广泛应用于各种金融市场，包括股票、外汇和固定收益市场，为行业聚类、市场组织和风险传递提供了宝贵的见解。最近的研究继续证实了其相关性，展示了其在发达市场和新兴市场中揭示有意义的结构模式和多元化机会的能力。
尽管DM-MSTP方法很有用，但它也存在一些局限性。其构建往往依赖于参数选择，如距离度量或过滤阈值，这些选择可能会引入主观性并影响结果网络的稳定性。此外，MST结构对相关矩阵中的噪声和估计误差敏感，可能会降低推断出的关系的可靠性。这些挑战在高维或快速发展的金融环境中尤为明显。
为了解决这些局限性，Dhouib等人（2024）提出了Dhouib矩阵最小生成树问题（DM-MSTP），这是一种旨在以更稳健和高效的方式构建金融网络的元启发式框架。DM-MSTP方法依赖于基于相关性的距离来提取金融市场的基本结构，同时最小化噪声的影响，并消除了对多个调整参数的需求。通过关注最具信息量的连接，它提供了市场拓扑的稳定和可解释的表示，特别适合分析复杂的金融系统。
新兴市场为应用基于网络的方法提供了特别相关的背景，因为它们的结构特征与发达经济体显著不同。这些市场通常具有较低的流动性、较高的集中度以及不断变化的监管环境，使它们更容易受到波动性和传染效应的影响。突尼斯股市就是一个典型的例子，它结合了适度的流动性、有限数量的上市公司以及逐步融入全球金融系统的过程。尽管如此，从网络角度研究突尼斯市场的实证研究仍然有限，尤其是在使用先进计算方法时。
本研究旨在通过应用DM-MSTP框架来分析突尼斯股市的结构拓扑，以实现以下目标：（i）识别在市场动态中起核心作用的关键节点；（ii）检测有助于制定多元化策略的行业聚类模式；（iii）通过过滤掉噪声或弱连接来更清晰地表示金融相互依赖性。
因此，本文在三个主要方面为文献做出了贡献。首先，它将最近开发的DM-MSTP方法应用于新兴市场背景，提供了关于突尼斯金融网络结构的新实证证据。其次，它提供了有关突尼斯市场内部行业聚类、中心性和层次组织的见解，强调了关键部门在塑造市场动态中的作用。第三，它展示了无参数元启发式方法在提高金融网络模型稳健性和可解释性方面的优势。
本文的其余部分组织如下：第2节回顾了关于金融网络和基于MST的方法的相关文献。第3节介绍了DM-MSTP框架及其理论基础。第4节描述了数据和实证方法。第5节讨论了实证结果，第6节总结了对于投资者、监管机构和未来研究的启示。

2. 文献综述
关于金融网络的研究迅速扩展，改变了学者对市场结构、系统脆弱性以及冲击在相互关联资产间传播的理解。与主要依赖成对相关性或线性回归的传统计量经济学方法相比，基于网络的方法通过将资产表示为节点并将它们的统计或因果关系表示为边，提供了金融市场的系统表示。这种视角允许检测到隐藏的结构、层次依赖性和在经典模型中不可见的传染渠道（Newman, 2003）。文献表明，金融市场类似于复杂的适应性系统，其中组件之间的相互作用通常表现出非线性、异质性和时变强度，所有这些特征都证明了采用网络理论工具的合理性。
大量工作研究了用于构建金融网络的相关矩阵的统计特性。早期的研究显示，资产回报的实证相关矩阵受到噪声的严重污染，尤其是在资产众多且时间序列观测有限的市场中。随机矩阵理论（RMT）作为一种基础框架出现，用于过滤掉虚假的特征模式，从而更可靠地识别真实的市场结构（Laloux et al., 1999; Plerou et al., 1999）。后来的研究表明，这种过滤增强了从网络中提取的拓扑特征的稳健性，并提高了基于相关距离得出的最小生成树（MSTs）的稳定性（Bouchaud and Potters, 2000）。
MST方法已成为简化密集金融网络为可解释的拓扑骨架的最广泛使用的工具之一。通过仅保留N个资产中最强的N-1个连接，MSTs突出了市场依赖性的层次骨干，揭示了通常对应于经济部门或机构群体的簇（Jang and Lee, 2011; Dhouib et al., 2024）。应用表明，MSTs对重大市场事件敏感，在危机和不稳定时期拓扑结构会重新组织（Preis et al., 2013）。
近年来，金融市场的分析越来越多地依赖于网络过滤技术来从密集的相关矩阵中提取有意义的结构。在这些方法中，最小生成树（MST）因其简单性和可解释性而成为最常用的方法之一。通过仅保留N-1个链接，MST提取了金融网络的骨干，并突出了资产或部门之间最重要的关系（Mantegna, 1999）。然而，这种信息的强烈减少也意味着可能相关的连接被丢弃，这可能会限制MST捕捉金融相互依赖性的全部复杂性的能力。
为了解决这一限制，文献中提出了几种替代的过滤方法。平面最大过滤图（PMFG）通过允许更多的边同时保持平面性约束，从而扩展了MST的功能，使得能够表示更复杂的结构，如循环和更高阶的相互作用。类似地，三角化最大过滤图（TMFG）进一步推广了这一理念，通过构建一个在信息保留和结构稀疏性之间保持平衡的三角化网络。与MST相比，这些方法提供了对金融系统的更丰富的表示，因为它们保留了在基于树的结构中被丢弃的额外具有经济意义的连接。
另一类方法依赖于基于阈值的网络，其中只有当边的相关性超过预定义阈值时才保留该边。这种方法在控制网络密度方面提供了灵活性；然而，它对阈值参数的选择非常敏感，可能导致结果网络结构的不稳定性，并降低不同研究之间的可比性。
在这种背景下，基于MST的方法因其稳健性、简单性和在高维金融数据中过滤噪声的能力而特别吸引人。本文采用的DM-MSTP方法属于这一类MST技术。它保留了网络的基本N-1结构，同时提高了构建过程的效率和稳定性。与传统的MST算法相比，DM-MSTP提供了结构化的基于矩阵的公式，增强了计算处理能力，并便于更清晰地提取市场骨干，无需参数调整。
最近的比较研究，如Esmalifalak和Moradi-Motlagh（2025），对MST、PMFG、TMFG及相关过滤方法进行了系统评估，强调了它们在捕捉金融网络拓扑方面的各自优势和局限性。这些研究表明，没有一种方法是普遍最优的；相反，过滤技术的选择取决于可解释性、复杂性和信息保留之间的权衡。根据这一观点，本研究将DM-MSTP定位为一个简洁且稳健的基于MST的框架，特别适合数据噪声和结构不稳定性更明显的新兴市场。
尽管MST具有可解释性，但它可能会忽略经济上相关的次要链接，因此需要补充技术，如基于自举的边可靠性测试和统计验证的骨干提取（Serrano et al., 2009）。最近的工作通过调整时间尺度效应和过滤掉短期噪声进一步增强了MST的稳定性，这是高频和日常金融数据集中常见的问题（Kwapień et al., 2017）。Li等人（2024）开发了一种网络增强型投资组合选择模型，以区分金融市场中的长期和短期相关结构。他们的发现表明，长期相关网络对投资组合权重有积极影响，而短期相关网络则有负面影响。Choi和Kim（2025）使用多种依赖度量和网络过滤技术（MST、PMFG、ALMST和基于p值的网络）来揭示基于行业的金融网络中的差异。他们的发现表明，依赖单一指标可能会掩盖市场相互依赖性的重要维度，突显了需要多方面分析框架的必要性。Engsig等人（2024）引入了DomiRank中心性，它整合了局部和全局拓扑信息，以识别复杂网络中的主导节点和结构脆弱区域。研究表明，DomiRank在检测关键节点和评估网络脆弱性和韧性方面优于传统的中心性度量。Esmalifalak和Moradi-Motlagh（2025）对经济学和金融领域的相关网络方法进行了全面回顾，强调了最小生成树（MST）、平面最大过滤图（PMFG）及相关方法在提取有意义的金融相互依赖性方面的核心作用。它进一步强调了全球金融市场日益增加的相互关联性以及理解系统性风险和市场结构时时间变化动态的重要性。这位作者指出，在网络分析中需要整合先进工具。
除了简单的相关网络之外，学者们还强调了区分真实的结构依赖性和间接或虚假连接的需要。部分相关网络、稀疏图模型和基于因子的计量经济学网络使研究人员能够比基于原始相关性的方法更准确地恢复直接关系和识别核心-边缘结构（Barigozzi and Brownlees, 2019）。同时，系统性风险文献转向了建模方向性和动态连接性。基于方差分解（Diebold和Yilmaz，2014年）和金融、保险行业相互联系度量（Billio等人，2012年）的措施为理解冲击传播机制提供了洞见，补充了基于最小生成树（MST）网络的静态表示。Lee等人（2025年）应用了对称感知图神经网络（GCN和GAT）来模拟金融市场依赖性，并在危机期间提高全球指数的回报预测能力。他们的结果表明，结合对称和双向溢出结构可以增强预测性能，特别是在市场不稳定和系统风险时期。Samal等人（2021年）整合了基于几何的网络度量，如Ricci曲率，以捕捉金融系统的更高阶互动和结构特性，而不仅仅是成对相关性。他们的结果显示，这些几何指标能够有效检测市场不稳定时期，并区分正常状态和危机状态。另一个相关但不同的研究流使用基于暴露度或银行间网络来研究传染性和稳定性。这些模型强调了网络拓扑结构（如连通性、同配性和度集中）如何从根本上塑造故障和流动性冲击的传播。Eisenberg和Noe（2001年）的清算模型、Gai和Kapadia（2010年）的传染模拟以及Amini等人（2012年）的系统风险分析等开创性工作表明，当网络存在结构性脆弱性时，即使是小的冲击也可能被放大。更广泛的系统视角将金融脆弱性与生态网络中观察到的模式联系起来（Haldane和May，2011年），进一步强调了网络稀疏性、模块性和中心性对韧性的关键决定作用。

在外汇和股票市场中，网络应用扩展到研究市场间的整合、传染渠道以及主导枢纽的作用。关于货币网络（Mizuno等人，2006年）和国际股票网络（Preis等人，2013年）的研究展示了MST在分析全球相互依赖性方面的价值。新兴和前沿市场展现出独特的网络拓扑结构，这些结构通常受到流动性限制、行业集中度和制度特征的影响。这些结构特征使得需要更先进的基于MST的技术，特别是那些能够提高参数稳健性和计算效率的方法，例如在突尼斯市场，因为传统模型可能无法捕捉到微妙但具有经济意义的相互联系。最近的进展将机器学习和优化技术整合到了网络构建中。元启发式算法、稀疏估计技术和数据驱动的过滤方法在处理非线性和高维度问题上提供了有希望的改进。例如，Dhouib等人（2024年）引入了一种名为DM-MSTP的新算法，旨在通过增强降噪、参数效率和拓扑可解释性来克服传统MST计算的局限性。鉴于新兴市场的动态性和脆弱性，将这种方法应用于突尼斯金融系统既具有相关性也具有时效性，可以提供高分辨率的市场结构映射，从而为风险管理、监管监督和多元化策略提供信息。

DM-MSTP方法最近将基于优化的程序整合到了网络构建中，特别是在最小生成树（MST）提取的背景下。在这一研究方向中，DM-MSTP（Dhouib，2024年）被提出作为一种基于MST的计算程序，旨在提高大型金融数据集中网络构建的效率和稳定性。这种方法并不是引入一个全新的方法论框架，而是对经典MST算法的改进实现，基于Prim和Kruskal等标准图优化技术。DM-MSTP的主要贡献在于其对MST构建过程的算法优化，特别是通过提高计算效率、减少数值不稳定性和改善对高维相关矩阵的处理能力。因此，它没有改变MST的理论基础，而是优化了其实际执行，以确保更稳定和可复现的网络表示。鉴于金融数据（尤其是在突尼斯等新兴市场中）通常具有的复杂性和噪声，这种改进的基于MST的实现可能在稳健性和可解释性方面提供实际优势。因此，在本研究中，DM-MSTP被用作对经典MST框架的操作性增强，而不是作为一种新的方法论贡献。

DM-MSTP方法的核心是将金融指数表示为一个加权图，其中每个指数对应一个节点，边反映了从相关矩阵中得出的关系。相关性通过标准转换转换为距离，使得较强的相关性对应较短的距离，较弱的相关性对应较长的距离。此外，DM-MSTP遵循一种结构化且无参数的程序，专注于提取N-1个最相关的连接，从而减少噪声并提高可解释性。该程序包括四个主要步骤，如图1所示。

DM-MSTP属于人工智能的一个新概念，称为Dhouib-Matrix（DM），其中还发明了其他几种方法，如DM-TSP1用于解决旅行推销员问题（Miledi等人，2025年；Dhouib等人，2025a；Dhouib等人，2025b），DM-TP1用于解决运输问题（Dhouib等人，2025b，c），DM-SPP用于规划两个移动机器人位置之间的最短路径（Dhouib，2025a；Dhouib等人，2026；Dhouib和Chabchoub，2026），以及DM4元启发式算法（Dhouib，2025b；Dhouib等人，2025d）。

在本节中，使用了一种名为DM-MSTP的新聚类技术分析了2024年突尼斯金融市场的数据。所提出的DM-MSTP是一种不需要任何参数的无监督技术。最初，DM-MSTP用于寻找无向加权图的最小生成树。为了将DM-MSTP适应金融市场，每个指数将被表示为一个节点，所有指数之间的协方差矩阵表示顶点权重。在本文中，考虑了2024年的突尼斯金融股票，其中包括12个行业指数（见图2）：金融公司编码为1，银行为2，保险为3，金融服务为4，消费服务为5，分销为6，消费品为7，食品和饮料为8，工业和家居产品及个人护理为9，工业为10，建筑和建筑材料为11，基础材料为12。

这种基于行业的方法通过强调行业间的联系，有助于更清晰地识别市场的潜在经济结构（Choi和Kim，2025年）。通过关注聚合的行业指数，分析捕捉了关键经济部门之间的主要传导渠道，这在新兴市场中尤为重要，因为宏观经济和行业动态往往超过个别公司的效应。为了对输入数据进行聚类，DM-MSTP首先转换协方差矩阵（见图2）。为了更清晰地说明，使用Python编程语言表示了修改后的距离矩阵（见图3）。

图4展示了由DM-MSTP方法生成的最小生成树，其中所有节点都是相连的。图4中的最小生成树由DM-MSTP创建。

此外，为了帮助决策者将2024年的突尼斯金融市场分为两个不同的组，可以通过移除连接（i）保险指数、（ii）建筑和（iii）建筑材料指数的最高距离链接（1.25）来检查由DM-MSTP生成的最小生成树（见图4）。图4表明，金融部门在市场中起着连接其他部门的核心作用。特别是，银行和金融服务将食品和饮料部门联系起来，而金融服务也充当了消费服务和消费品之间的桥梁。此外，保险部门将分销部门与建筑和建筑材料部门联系起来。这些结果可以通过银行和金融服务公司在为突尼斯公司提供融资方面的战略作用来解释，这些公司仍然高度依赖银行融资，以及银行在支持国民经济中的主导作用。事实上，在COVID-19期间，银行业一直是突尼斯金融市场中盈利能力最强的行业之一。这些发现与Ben Yaala和Henchiri（2025年）的报告一致，他们指出，在后COVID时期，金融服务、工业和消费品表现出强烈的相互联系，反映了结构联系的持续性。此外，Neifar（2020年）使用五个突尼斯行业股票指数（即银行业、金融服务、汽车、工业和材料）记录了材料行业对工业行业的显著波动溢出效应，进一步支持了突尼斯股市中存在强烈行业间依赖性的观点。

图5将突尼斯金融市场分为两组，第一组包括三个指数（“基础材料”、“工业”和“建筑和建筑材料”），第二组包括其余九个指数。

图5展示了使用动态最小生成树协议（DM-MSTP）对12个行业指数应用后得到的突尼斯股市最小生成树（MST）拓扑结构。这种基于网络的方法在最小化冗余的同时捕捉了最重要的行业间联系，从而揭示了共同运动和系统相互依赖的层次结构。MST突出了市场组织中的明显二分性。第一组包括三个紧密连接的周期性行业——基础材料、建筑和建筑材料以及工业，它们通过相对较短的距离（0.98、0.51）相连，表明了强烈的基本或宏观经济相互依赖性。这种相互联系可能反映了国内需求周期、商品暴露或基础设施政策。这些行业形成了一个紧密整合的子网络，表明该组内的多样化潜力有限。第二组包括其余九个行业，如金融服务、消费品、银行和食品和饮料，形成了一个联系较为松散且结构异质的群体。虽然这些行业内部多样性较大，但它们共同响应更广泛的宏观经济因素（例如利率、通货膨胀、全球风险情绪），而不是特定行业的冲击。

从系统风险的角度来看，这种分化意味着不同集群间波动性或传染性的传播速度和程度不同。预计在第一组内的传播会更快且更明显，而由于其内部异质性，第二组可能起到缓冲或吸收的作用。这些结果与之前在新兴市场中的MST应用一致（例如，Mantegna，1999年；Tumminello等人，2010年；Onnela等人，2003年），并为突尼斯市场的结构提供了新的见解，这是一个小型、流动性差且对政策敏感的市场，其中行业聚类可以为资产配置、系统风险评估和宏观审慎政策设计提供信息。MST还支持灵活的分割。例如，应用更高的距离阈值（1.2）会产生三组解决方案，为投资组合构建或监管监控提供更细粒度的信息。这种细化可以将金融机构（例如银行、金融公司）作为不同的风险组分离出来（见图6）。

图6显示了将突尼斯金融市场分为三个主要行业组。第一组汇集了以消费者为导向和服务相关的行业，包括消费品、消费服务、食品和饮料以及金融服务。这些行业之间的紧密联系表明它们倾向于一起变动，可能反映了国内需求和服务活动在塑造市场动态中的重要性。第二组包括生产和实体经济行业，如基础材料、建筑和建筑材料以及工业。该组内的强链接表明这些行业受到共同经济因素（例如利率、通货膨胀、全球风险情绪）的影响，这些因素驱动了它们在市场中的共同变动。第三组主要由金融机构组成，包括银行和金融公司，它们与其他行业的联系较弱。这种相对分离表明金融行业遵循部分不同的动态，受到监管条件、盈利能力模式和金融中介活动的驱动。

总体而言，这种三组结构突出了突尼斯金融市场的多样性，其中消费者需求、实体经济活动和金融中介以不同的但相互关联的动态发展，为投资者和政策制定者提供了有用的见解。这些行业之间的短距离拓扑结构表明，诸如商品价格波动、供应链中断或基础设施支出变化等冲击会迅速传播，从而引发显著的波动性溢出效应。这种高度的相互关联性降低了系统吸收冲击的能力，使得该产业集群特别容易受到国内需求波动和外部经济压力的影响。相比之下，包括金融服务、消费品和银行业在内的更为多元化的产业集群则表现出较弱的相互关联性，并对利率、通货膨胀和流动性条件等宏观金融变量更为敏感。这种结构多样性增强了产业集群吸收冲击的能力，从而有助于整体市场的稳定。紧密相连的生产集群与更加多样化、相互关联度较低的群体共存，说明网络异质性可以减轻系统性风险的传播。

从方法论的角度来看，DM-MSTP（Dhouib Matrix Minimum Spanning Tree Problem）方法通过隔离网络中最重要的连接关系，提供了对金融相互依赖性的清晰而稳健的描述。这一特点在新兴市场中尤为重要，因为这些市场的流动性较低且交易活动不规律，可能会扭曲基于相关性的传统衡量方法。该方法通过强调市场的基本结构，有助于识别关键节点和关键集群，为潜在的传染渠道提供有价值的见解。

研究结果表明，突尼斯的金融稳定不仅取决于各个行业的表现，还取决于市场内部的相互连接结构。网络拓扑结构突出了冲击快速传播的脆弱区域以及有助于吸收干扰的稳定部分。这些见解为风险监控、投资组合多样化以及制定旨在增强市场韧性的针对性宏观审慎政策提供了有用的基础。

2024年对突尼斯金融市场的案例研究表明，Dhouib矩阵最小生成树问题（DM-MSTP）在揭示新兴经济体的复杂结构方面非常有效。通过将市场建模为相互连接的行业节点网络，DM-MSTP生成了金融相互依赖性的详细层次化表示，超越了传统线性计量经济方法的局限。这种方法揭示了市场的内部组织结构、行业集群以及系统性风险，为投资者、监管机构和政策制定者提供了宝贵的信息。

实证分析突出了突尼斯市场结构的显著分叉。在市场核心部分，基本材料、建筑材料和工业等行业的周期性核心表现出紧密的相互关联性，反映了由共同宏观经济力量（包括基础设施政策和国内需求周期）驱动的高度相互依赖性。这一核心区域存在较高的传染风险，因为任何一个行业的冲击都可能迅速波及其他行业，限制了内部多元化的机会。相比之下，包括金融服务、银行业和消费品在内的异质多数行业则连接较为松散且结构更加多样化。尽管这些行业仍受广泛宏观金融趋势的影响，但其相对异质性使它们能够作为抵御特定行业冲击的稳定缓冲器。

DM-MSTP还提供了进行更细致分析的灵活性。通过调整距离阈值，可以将银行和金融公司划分为一个独立的第三集群，使监管机构能够更准确地了解金融中介行业内的系统性风险。这种洞察力对于宏观审慎监管和监测潜在的传染渠道尤为重要。对于投资者和投资组合管理者而言，这些发现可作为实用的“多元化地图”，帮助他们跨不同集群选择资产以有效降低投资组合风险。避免过度集中于周期性核心行业可以减少对局部冲击的暴露，并提升整体投资组合的韧性。对于政策制定者和监管机构而言，网络结构提供了对系统性脆弱性的诊断视角，突出了那些干预措施可能对整个经济产生放大效应的行业。紧密相连的工业和建筑行业展示了针对性政策措施的潜在影响，而异质多数行业则在市场波动期间起到稳定作用。

从更广泛的角度来看，这项分析强调了新兴金融市场之间的相互关联性。理解行业间的依赖关系和市场的网络骨架可以指导投资策略和政策决策，帮助利益相关者预测和缓解系统性冲击的影响。通过绘制这些相互连接关系，DM-MSTP为监控金融稳定性和识别潜在脆弱点提供了实用框架，这在流动性适中且行业参与度集中的市场中尤为重要。

我们的研究还强调了突尼斯市场动态变化的重要方面。随着全球经济形势的波动、政治变革或国内政策的实施，行业间联系的配置可能会发生变化。跟踪这些变化有助于投资者、监管机构和政策制定者主动调整策略，从而增强市场韧性。此外，整合更广泛的金融指数和跨境联系有助于了解突尼斯在全球金融网络中的日益融合情况，这对长期经济规划和投资决策至关重要。

将DM-MSTP应用于2024年突尼斯金融市场，有助于清晰理解行业间的相互依赖性、系统性风险模式以及市场的层次化组织结构。对于投资者而言，它支持更明智的投资组合决策和有效的风险管理；对于监管机构而言，它有助于识别关键脆弱点并指导宏观审慎监督；对于政策制定者而言，它明确了针对性干预措施的潜在连锁效应。通过揭示市场的结构动态，这种方法强调了理解新兴经济体相互关联性的重要性，并为支持金融稳定、增强市场韧性和做出明智决策提供了实用框架。