《Entropy》:Cross-Frequency Dependence Overlap in the Chinese A-Share Dependence Network
编辑推荐:
多分辨率分析被广泛应用于股票市场,其前提是不同频带捕捉不同的交易行为与信息流。这些频带究竟揭示出结构上不同的股票社区,还是在很大程度上重新表达了一个共享的相依主干,仍无定论。研究人员利用最大重叠离散小波变换(MODWT)和一种双通道亲和构造来研究中国A股市场中
多分辨率分析被广泛应用于股票市场,其前提是不同频带捕捉不同的交易行为与信息流。这些频带究竟揭示出结构上不同的股票社区,还是在很大程度上重新表达了一个共享的相依主干,仍无定论。研究人员利用最大重叠离散小波变换(MODWT)和一种双通道亲和构造来研究中国A股市场中的这一问题:该构造先分别处理正、负相似性,再将其融合为非负矩阵以进行归一化谱聚类;实验覆盖跨越小波基、分解层数与时间窗口的15360种配置网格。在参考配置(K=25)下,针对申万一级行业分类的调整兰德指数(ARI)为0.381,与最强的基于相关性的基线相当,且没有单点社区。最佳网格ARI从分解层2的0.381单调下降至层6的0.139,这一模式在每个时间窗口及整个配置集合中均成立。分频带的股票对相似性向量表现出显著的秩一致性(平均Spearman ρ=0.769),但跨频带归一化互信息(NMI)在64个等频分箱上的均值为0.123,且独立聚类的各频带给出不同的划分(平均两两ARI=0.328)。剔除市场因素后,秩一致性降至0.677;进一步剔除市场与行业因素后,降至0.486。这些结果记录了可测量但不完全的跨频率依赖重叠,以及在所测试流程中行业对齐程度随分解深度增加而下降的现象。
中国A股跨频率依赖重叠与行业对齐的系统性诊断
研究背景与问题
金融市场价格波动由异质投资者、宏观经济周期、政策冲击、行业关联、投资者情绪和微观交易行为共同塑造。多分辨率分析常被用于股票市场,其隐含假设是不同频率频带分别捕捉不同的交易行为与信息流。然而,这些频带究竟是揭示出结构上不同的股票社区,还是主要重新表达了一个共享的相依主干,此前尚无明确答案。中国A股市场股票数量多、行业覆盖面广,且具有散户参与度高、监管干预活跃和涨跌停制度等特征,这使其相依结构可能与成熟市场不同,适合开展大规模诊断研究。该研究要回答的核心问题是:小波频带之间是否存在可观测的依赖重叠?行业对齐程度如何随分解深度变化?
研究设计与关键方法
研究人员采用来自Tushare Pro的A股日收盘价面板,设置四个嵌套时间窗口:2019–2025、2021–2025、2023–2025和2024–2025。价格质量过滤后,最长窗口保留2773只股票,最短窗口保留4612只股票。预处理包括对数收益、双边缩尾、个股标准化和近常数序列剔除。在分解环节,研究人员使用最大重叠离散小波变换(MODWT),测试Db4、Sym2、Sym4和Coif1四种小波基以及2至6五个分解层级。在聚类环节,研究人员构建双通道亲和矩阵:将每个频带的余弦相似性拆分为正、负两个通道,再通过跨尺度加权最大融合与幂映射生成非负亲和矩阵,最后用归一化谱聚类划分社区。整个配置空间包含15360种组合,并以申万一级行业分类为外部基准,用调整兰德指数(ARI)评估社区对齐程度。此外,研究人员使用Spearman秩相关、归一化互信息(NMI)和独立频带聚类等方法测度跨频率依赖重叠,并通过市场因子回归和行业均值剔除进行因子控制分析。
研究结果
3.2 总体结果与稳健性检验概述
实证结果包含四点:行业对齐随分解加深而下降;依赖排序在频带间仍然高度相关;独立聚类的频带远非完全相同;市场和行业共同成分只能解释部分而非全部跨频率重叠。
3.3 尺度相依的社区结构
在2019–2025窗口中,最优ARI从分解层2的0.381单调下降到层6的0.139,降幅达64%。四个时间窗口均呈现同样的层级排序,即层级2最优、随后单调递减。作为补充基线,不进行小波变换的原始收益聚类在四个窗口中的最佳ARI均低于层级2,说明浅层小波分解能带来一致但有限的增益。
3.4 跨尺度加权与跨频率依赖重叠
在层2、2019–2025窗口中,层间距离权重k对最优ARI的影响很小,跨全部k值仅变化3.4%;等权融合规则也能达到最高的平均ARI。直接比较各MODWT频带的股票对相似性向量,平均非对角线Spearman秩相关系数为0.769,说明不同频带对股票对排序具有明显一致性。
3.5 网格全域稳健性
将15360种配置按分解层级汇总后,平均、中位数、90分位数和最大值ARI均从层2到层6单调下降,例如平均ARI从0.300降至0.070,P90从0.342降至0.113。层级衰减因此是全网格性质,而非某一组超参数造成的局部现象。
3.6 与基线的比较
在相同的2019–2025股票池上,所提双通道谱聚类方法达到ARI 0.381,与基于Pearson相关的谱聚类基线(0.366)相当;层次聚类则出现拓扑退化,ARI极低。该方法的主要意义不在于绝对性能大幅领先,而在于提供了支持层级衰减分析的多分辨率分解框架。
3.7 基于信息量的依赖度量与因子控制
将五个频带的上三角相似性向量离散为64个等频分箱后,平均跨频带互信息(MI)为0.513 nats,对应的归一化互信息(NMI)为0.123。由于等频分箱固定了边际熵,NMI在该设定下是MI的常数重标定。因子控制结果显示:剔除留一市场因子后,平均跨频带Spearman相关由0.769降至0.677;继续剔除行业均值后降至0.486。信息型度量的保留比例分别为74%和34%,说明共同市场与行业冲击解释了部分跨频率重叠,但并非全部。
4.1 参考划分与全局网络拓扑
参考配置(Sym2、层2、2019–2025)将2773只股票划分为25个社区,ARI为0.381;在申万二级和三级分类下,ARI分别降至0.193和0.116。划分中没有单点社区,中位社区规模为115只股票,最大社区包含220只股票。相比未加价格质量过滤的正相似性全频带基线会产生345个单点社区,该流程明显更均衡。
4.2 局部社区结构
四个行业多样性最高的社区各自横跨14至25个申万一级行业,且主导行业占比仅15%至21%,但力导向骨架仍呈现紧密的强加权核心。这说明社区内共同运动不能简化为单一行业归属,跨行业共同收益动态是社区结构的重要组成。
讨论与结论
讨论指出,跨频率依赖重叠意味着不同频带在编码股票对依赖时共享信息,因此额外频带带来的增量信息少于独立视角;但频带之间并非可互换。共同因子解释与证据一致,但应视为结构性解释而非已识别的因子模型。浅层分解的相对成功是融合表示的性质,不能归因于任意单个频带。去噪是可能的解释,但研究并未直接检验。由于频带对股票对的排序高度相似,将各频带当作完全独立的信息来源并不合理;但独立频带聚类仍产生不同划分,说明收益递减而非频带冗余。实际含义是:在该流程内,浅层分解配等权频率融合比深层分解配距离加权融合更简单稳健;源自生态学的WaveClust框架以真实跨尺度异质性为前提,将该前提迁移至金融收益前必须进行实证检验。研究结论可概括为:中国A股市场的小波频带在股票对依赖排序上具有实质一致性,但跨频带依赖重叠不完全;行业对齐程度随分解深度增加而下降,这一比较不能分离单个频带贡献,也不足以确立机制。该诊断方法包括频带间秩一致性、信息型度量、独立频带聚类和因子控制,可为其他市场与资产类别的跨频率依赖研究提供起点。