危机期间印度股票市场中的可通信性与连通性分析

理解信息如何在金融网络中流动非常重要，尤其是在市场动荡时期。与传统假设信息沿最短路径传播不同，现实世界的扩散过程通常遵循多条路径。为捕捉这种复杂性，我们应用了可通信性（communicability），这是一种量化节点间信息流动便利性的网络度量，即使超出最短路径。在本研究中，我们旨在考察可通信性在市场高波动期间对金融网络结构扰动的响应。我们在从金融市场数据构建的相关网络上计算基于可通信性的度量，并通过置换方法进行统计检验，以识别网络结构的显著变化。结果表明，在全球金融危机和前所未有的COVID-19危机期间，分别约有70%和80%的股票对在显著性水平0.001下表现出可通信性的统计显著变化。最短可通信性路径长度的变化为每次危机的性质和深度提供了方向性线索。此外，当用作机器学习分类模型的特征时，可通信性度量在区分市场稳定期和波动期方面优于基于最短路径的度量。几何度量的性能也与基于拓扑的度量相当。这些发现为理解金融市场的动态行为提供了有价值的见解，并强调了可通信性在建模系统性风险和复杂网络中信息扩散的实际相关性。