在资产组合理论和有效市场理论框架之下,虚拟的资本市场和实体经济有着较强的对应关系和关联性。资本市场的定价基础是实体经济,其价值波动由实体经济决定。早期的经济学家主要研究实体经济对于资本市场价值的影响,采用实体经济决定虚拟经济的研究逻辑。近年来随着资本市场的完善和市场参与者理性化的提高,以及计算机水平的提升,越来越多的经济学家通过深入挖掘资本市场的价值来刻画现实的实体经济,资本市场作为宏观经济指示器的功能不断被强化。传统金融学主要关注资本市场与宏观经济和微观公司的关系。资本市场作为整体可以反应宏观经济的现状和预期,而上市公司的股票作为个体可以反应对应的上市公司经营状况。近年来全球宏观经济整体下行,以制造业和初级加工业为主的传统产业逐渐没落,而以互联网和信息技术为主的新兴产业却以超常态发展,宏观经济中产业出现了严重分化,因此对于中观产业的研究逐渐成为了研究重点。进入二十一世纪以来,尤其是发达国家经历了08年金融危机、欧债危机等一系列危机后,中国成为了世界经济最重要的稳定器。然而,我国在保持经济高速增长的同时,产业结构性问题越来越突出。结构的失衡直接降低了经济发展的质量和经济效益,环保成本不断提升,社会问题日益严重,经济的可持续发展受到了威胁。中国作为全球最重要、最为庞大的经济体之一,产业结构失衡问题亟待解决。作为新兴热点,复杂网络引起了不同学科的研究人员和青年学者的浓厚兴趣。国内召开了多次以复杂网络为主题的学术专题会议和论坛。越来越多的学者和研究人员将复杂网络与产业研究相结合,研究产业网络的结构特性。复杂网络重点分析节点之间的相互交织关系,通过复杂网络的分析方法可以有效刻画节点的关联程度。本文基于资本市场的金融交易数据,构建产业复杂网络,通过比较静态的动态分析方法,获得产业结构变化的结果,通过资本市场与实体产业的关联,最终反映实体产业的现实情况。在基于资本市场的金融交易数据上,本文主要从以下几个方面展开研究:(1)产业复杂网络构建过程中的统计学方法本文统计学方法论的主核心是复杂网络方法,具体细节过程则是产业网络的构建过程。我们采用了FF三因子模型的参数作为个体上市公司的属性,基于此参数进行聚类获得产业中的细分行业。实际过程中需要对数据进行标准化处理,包括同量纲化处理和同影响力处理,保证聚类的三个参数坐标具有同等重要的作用,使得聚类结果可靠。我们修正了CFSFDP方法,提出Adaptive-CFSFDP方法,可以自动化地获取聚类密度核心和聚类数量,并通过比较聚类效果评价指标获得较为有效的聚类结果。对于产业网络的边权,本文采用了互信息熵值进行衡量,刻画两个节点变量之间的相互交织关系。(2)产业复杂网络的构建过程产业复杂网络的构建过程是本文的核心之一,对于一个完整的网络包含节点的构建、关联关系的构建和网络模型的选取。本文的产业网络采用Adaptive-CFSFDP聚类方法将同一大类产业内部的上市公司进行聚合获得细分行业网络的行业节点,对细分行业形成的指数收益率序列的互信息熵值作为网络的边权,以及选取完全耦合的无向加权网络作为产业网络模型。我们通过将细分行业的综合形成了大类产业网络模型,进而形成了两个产业复杂网络模型:细分产业网络模型和产业综合网络模型。(3)产业复杂网络的结果分析本文采用2005至2015年的上市公司周收益率数据为基础数据,通过聚类分析获得的细分行业节点中的上市公司作为成份股,按照流通市值加权方式形成指数收益率。在每月底,以此收益率三年的时间序列数据计算获得的互信息熵值作为边权,形成了细分行业网络,将细分行业进行综合便可获得产业综合网络。通过研究所有产业的细分行业总数和同一产业内部相邻时刻网络形成的社团结构的相似性差异来获得产业内部变化的结果;通过研究不同时刻网络的拓扑结构和静态特性,采用比较静态的动态分析方法可以获得产业之间变化的结果。进而形成了产业变化的基本事实:产业内部的变化和产业之间的变化。(4)产业复杂网络结果的敏感性分析为了论证方法的有效性和结果的稳定性,我们引入了最小连通网络、最小生成树和网络抗毁性的方法,并对产业变化结果与基于点权强度综合排名的产业变化结果进行秩相关分析和主导产业的相似性分析,以此来观察是否采用不同的网络分析方法可以获得相同的结论。除了对方法的敏感性分析外,对于参数的敏感性分析也是在实证分析中非常重要的方面。虽然本文强调方法论,对于参数的使用较少,但是由于方法的特点,特别是网络关联关系——互信息熵的计算过程中使用到若干参数,因此我们主要对互信息熵的计算过程进行了参数敏感性分析,包括计算方法、采用的数据频度和计算的周期等。通过以上的研究过程,本文主要得出以下的结论:(1)很有必要对数据进行标准化处理,有些数据看似数据类型一致没有量纲,但是仔细分析便会发现FF三因子的三个参数的量纲和其对股票收益率的解释力度是不同的。分析三因子的构建过程可以发现三因子的波动不同,即量纲不同,需要对其进行同波动性处理;三因子对于股票收益率的解释力度也是不同,有必要进行同影响力处理。经过处理后的聚类结果与现实产业中的细分行业分类有较强的对应性。我们对经典的CFSFDP聚类方法的细节缺陷进行了修正,形成Adaptive-CFSFDP聚类方法。通过选取CDbw聚类效果评价指标最优的聚类结果,可以自动化获取聚类结果,通过对经典的几个聚类分析案例进行分析均获得了较好的预期聚类效果。(2)依据前述的网络构建过程,本文应用2005年-2015年的上市公司交易数据形成了完全耦合的无向加权网络。通过比较静态的动态分析方法,发现产业结构变化的事实,包括产业内部的变化和产业之间的变化。我们从分析结果中看到,无论是从产业内部的细分行业的数量,还是细分行业内的公司形成的社团结构内部,产业内部变化都真实存在。产业内部不是一成不变的,随着时间的推进和国家经济发展阶段,产业会发生合并、分裂、消亡、新生等多种情形,正是由于产业内部的这种变化,才能使得产业保持着活力和竞争力,应对其他产业的冲击,尽可能地延长产业的生命周期。对于产业之间的变化,我们发现了以下事实的存在:在十年的统计区间内,主导产业发生了趋势性转移,信息技术和教育等产业逐渐取代传统产业成为主导产业,同样受益于互联网大潮和新兴网络消费大潮的交运仓储产业近年来稳步提升,已经进入主导产业序列;国家政策促使了某些产业在阶段性成为主导产业,表现为2011年下半年和2012年上半年房地产产业连续多月排名靠前;有些产业常年排名靠前,保持着较好的经济活力;有些产业需求不足且供给过剩,常年排名靠后,但是随着国家供给侧改革政策的深入,采矿业等产业供需状况好转,预计可能会阶段性排名靠前;有些产业供求关系稳定,常年排名中游。(3)在网络分析方法的有效性方面,我们对基于点权强度综合排名的方法与本文构建的最小连通网络、最小生成树、网络抗毁性方法所获得产业之间变化的结果进行了相关性分析。发现全体排名的秩相关系数达到了0.8以上,如果只考虑排名靠前的主导产业相似性则超过了0.93,均表明了方法的有效性和结果分析的可靠性。在参数敏感性方面,我们对互信息熵计算方法、数据频度和计算周期进行了分析。结果发现互信息熵计算方法和数据频度中采用日、周或月度数据均对结果影响较小,稳定性较好,而结果对于数据计算周期有一定的敏感性。具体表现为采用两年以上中长期时间时结果稳定性较好,而使用一年的数据周期进行分析时,结果稳定性较弱。通过统计分析,我们发现采用一年数据时,由于数据量较少,对分析变量的概率分布刻画不够全面,使得互信息熵的概率分布呈现非正态特性,因此在市场大幅波动的年份概率分布就会出现严重的左偏或者右偏,使得由此获得的产业变化结果与中长期的结果差异性较为明显。因此对于研究中期产业变化的产业网络,需要警惕数据周期的影响,采用中长期的数据进行分析。资本市场与实体产业产生关联性的理论基础是有效市场理论和投资组合理论,本文则通过复杂网络的动态分析方法,获得了实证证据,对于后续的研究具有借鉴意义。