加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Mutual Fund Shareholding Hypernetwork, Resource Effect, and Stock Price Stability
本文从社会网络视角出发，构建公募基金持股超网络，以企业为节点，以基金重仓股票集合为超边，刻画股票间基金共持关联，并分析其资源效应与股价稳定机制。研究发现，公募基金通过投资组合在企业间形成紧密的关系网络，该网络具有资源效应，显著提升了企业的信息优势和市场关注度，进而有效抑制股价极端波动。即使在股市大幅波动时期，企业仍能有效获取网络资源，但其对股价暴跌风险的缓解作用有所减弱。进一步分析表明，公募基金持股网络的资源效应能够对冲基金抛售带来的负面冲击，在抑制极端风险的同时提升市场活跃度。本文研究为理解公募基金的市场稳定机制提供了新依据，对完善监管和防范系统性风险具有政策启示。
Abstract
From the perspective of social networks, this paper constructs a mutual fund shareholding hypernetwork with firms as nodes and mutual fund heavy holdings as hyperedges, characterizes the co-holding linkages among stocks, and analyzes its resource effect and stock price stabilization mechanism. The findings show that mutual funds form a close relational network among firms through their investment portfolios, and this network exhibits a resource effect, significantly enhancing firms' information advantages and market attention, thereby effectively suppressing extreme stock price fluctuations. Even during periods of major market turbulence, firms can still effectively acquire network resources, but the mitigating effect on stock price crash risk is weakened. Further analysis indicates that the resource effect of the mutual fund shareholding network can hedge the negative impact of fund fire sales, thereby boosting market activity while suppressing extreme risks. This paper provides new evidence for understanding the market stabilization mechanism of mutual funds and offers policy implications for improving regulation and preventing systemic risks.
超网络模型可全面刻画公募基金持股结构与资源分布
传统网络模型将公募基金与股票间的多元关系扁平化为二元关系，导致大量多元信息缺失。本文基于超图理论，以股票为节点、基金重仓股票集合为超边，构建公募基金持股超网络，能够完整刻画基金同时重仓持有多只股票的多元化持股结构及股票间多路径链接关系，为后续实证分析提供方法基础。
公募基金持股超网络通过资源效应显著抑制股价极端波动
以2015—2023年A股上市公司为样本，采用Poisson模型回归发现，网络信息优势指标（INA）和网络市场注意力指标（KS）对股价暴跌频数（Crash）的回归系数分别为-0.5846和-0.0734，均在5%或1%水平上显著为负；对极端波动频数（Extre）的系数分别为-3.4814和-0.2104，亦显著为负，表明嵌入基金持股网络的上市公司极端波动风险显著降低。
信息优势与市场关注度是网络资源抑制极端波动的重要渠道
渠道机制检验显示，网络信息优势指标（INA）对营业利润率（OE）和投入资本回报率（IE）的回归系数分别为14.7746和21.0761，均在5%以上水平显著为正；网络注意力指标（KS）对股吧发帖评论数（Focus1）和网络搜索量（Focus2）的系数分别为0.0943和0.1149，显著为正，验证了公募基金持股超网络通过提升企业信息优势和市场关注度来维护股价稳定的渠道机制。
网络资源通过改善信息披露、增强社会责任感及抑制管理层短视稳定股价
中介机制分析表明，网络资源效应能够通过提升企业信息披露质量（Infor）、增强企业社会责任感（ESG评级）以及降低管理层短视程度（研发支出/营业收入）三条路径抑制股价极端波动。信息优势使企业减少内部信息传递误差，市场关注度提高则强化外部监督，促使企业合规经营并关注长期价值创造。
基金持股网络资源效应可对冲基金抛售风险冲击
引入Coval and Stafford（2007）的firesale风险指标后发现，firesale与股价暴跌风险显著正相关（系数为19.7085和23.7939），而网络信息优势指标与firesale的交互项系数显著为负（INA×firesale为-162.3742，KS×firesale为-8.3500），表明网络资源水平越高的企业越能缓解基金抛售引发的风险冲击，两种机制呈现对冲关系。
网络资源提升市场活跃度但不通过降低日常波动率来抑制极端风险
回归结果显示，INA对股价年度波动率（Volatility）和换手率（Turnover）的系数分别为0.6522和480.4957，均显著为正，表明公募基金持股超网络并非通过减少日常波动率来抑制极端风险。相反，基金主动灵活的交易行为和市场示范效应提高了股票交易活跃度和日常波动幅度，合理的日常波动更多体现市场活力，与极端风险抑制形成双重作用。
核心解释变量
公募基金持股超网络结构指标：网络信息优势（INA），由节点强度（DS）和介数中心性（DB）经Min-Max标准化后按INA=√(DS²+DB²)计算得到；网络市场注意力（KS），采用K-shell算法衡量股票在超网络中的核心地位。解释变量均滞后一期。
被解释变量
股价极端波动风险：股价暴跌风险（Crash），以个股周特有收益率小于年度均值3.09个标准差定义的年度暴跌频数衡量；股价暴涨风险（Jump），以大于年度均值3.09个标准差定义的年度暴涨频数衡量；极端波动风险（Extre），为暴涨频数与暴跌频数之和。采用Poisson模型进行回归。
样本与数据
选取2015—2023年中国A股上市公司年度数据作为研究样本，使用2014—2022年公募基金年报中持仓占基金总资产净值5%以上的重仓持股数据构建年度超网络。剔除金融行业上市公司、每年停牌天数≥总天数20%的股票及数据缺损样本，对连续变量进行上下1%缩尾处理。最终样本包含4967家上市公司，时间跨度9年，共计24295个观察值。数据来源于Wind数据库、CSMAR数据库和RESSET数据库。
识别方法 / 模型设定
基准回归采用Poisson模型，被解释变量为计数变量（股价暴跌频数、暴涨频数、极端波动频数），解释变量为网络结构指标（INA和KS），并控制企业经营特征、治理结构及上期对应风险变量，加入行业和年度固定效应。渠道机制检验采用线性回归验证信息优势（营业利润率OE、投入资本回报率IE）和市场关注度（股吧发帖评论数Focus1、网络搜索量Focus2）的中介作用。以管理者过度自信作为识别信息优势效应的分组策略。引入firesale指标及其与网络指标的交互项检验对冲效应。
内生性及稳健性检验
本文进行了一系列稳健性检验：第一，采用倾向得分匹配法（PSM），以网络信息优势和市场关注度指标排名前20%的样本作为处理组，匹配控制组样本比较两组股票表现，缓解内生性问题；第二，选取与企业同行业同年份的企业被基金持股数量的平均值作为工具变量进行回归；第三，变更股价暴跌风险的衡量方法，使用公司特有周收益率小于年均值减3.5个标准差的原则重新定义股价暴跌并计算年度频数；第四，使用半年度数据补充回归分析，以反映基金年中调仓行为。此外，构建传统基金持股网络进行对比分析，验证超网络模型在刻画基金持股结构和资源效应方面的优势。以上稳健性检验结果均与基准结果保持一致。
更多相关数据正在补充