【金融工程专题报告】股票网络中心度因子异象研究

本文研究了基于最小生成树构建的股票网络及其三种中心度因子（度中心度、接近中心度和中介中心度）在不同时间跨度和股票池下的表现。研究发现：

1. 网络构建方法：采用最小生成树法构建股票网络，通过计算股票间股价变动相关性并将其转化为距离，最终构建网络。网络满足边权重和最小、包含所有节点且无环的特性。

2. 中心度指标：

   • 度中心度：衡量节点连接数量，但连接多不代表处于网络核心。
   • 接近中心度：衡量节点到其他节点的平均距离，更接近几何中心，反映节点重要性。
   • 中介中心度：衡量节点在他人最短路径上的调节能力。

3. 因子表现：

   • 时间跨度：22交易日网络表现最佳，日内数据噪声大，长期数据敏感性低。
   • 股票池：全A表现优于沪深300和中证1000，可能因节点更多网络更稳定。
   • 因子表现：接近中心度表现最佳（IC均值0.043，多空年化收益24.24%），度中心度表现次之，中介中心度表现相对较弱。
   • 分层效果：接近中心度和中介中心度分层效果较好，度中心度分层效果不佳。

4. 收益来源：

   • 风险因子关联：接近中心度与特质波动因子负相关（高波动率股票位于网络边缘），与动量因子负相关，与BETA和BTOP因子正相关，与市值和流动性因子负相关。
   • 定性解释：高中心度股票信息获取更快、更广，受关注度高，易引发资金流入和信息溢出效应，从而提升收益。

5. 结论：利用复杂网络计算股票中心度因子可能获得超额收益，其中接近中心度因子表现最佳，22交易日网络构建效果更优。