突發(fā)事件下糧食股市的抗毀性及預(yù)警研究

摘要： 為探究不同類突發(fā)事件對糧食網(wǎng)絡(luò)抗毀性能的影響，以2019年新冠疫情、2021年鄭州暴雨和2022年新冠變異毒株襲擊上海3個突發(fā)事件為研究背景，采用格蘭杰因果檢測法構(gòu)建糧食股票關(guān)聯(lián)網(wǎng)絡(luò)；通過對不同時期網(wǎng)絡(luò)拓撲特征、節(jié)點重要性和抗毀性能的分析發(fā)現(xiàn)在面對整體或者局部突發(fā)事件的侵襲過程中，糧食關(guān)聯(lián)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)會隨著沖擊程度產(chǎn)生一定的有效調(diào)節(jié)，占據(jù)主導(dǎo)作用的節(jié)點根據(jù)地理位置因素形成快捷有效的應(yīng)援模式，對這些糧食供應(yīng)重要節(jié)點的維系和保護往往是重點。攻擊仿真結(jié)果顯示，蓄意攻擊迫害性比隨機攻擊更強，第2階段的糧食關(guān)聯(lián)網(wǎng)絡(luò)遭受瓦解速度最為迅速，第3、4階段抗毀性能不穩(wěn)定程度更大。最后，在糧食股市運用的CUSUM控制圖預(yù)警效果也較好。

關(guān)鍵詞： 糧食關(guān)聯(lián)網(wǎng)絡(luò)；突發(fā)事件；抗毀性；CUSUM算法

中圖分類號："""" N949；F830.91文獻標(biāo)識碼： A

Research on the Resistance and Early Warning of the Grain Stock Market

Under Emergencies

LIU Jiangang，CHEN Luxia

（a. School of Science; b. Hunan Key Laboratory of Hunan Province for Statistical Learning and Intelligent Computation

Hunan University of Technology and Business， Changsha 410205， China）

Abstract：

In order to study the impact of different types of emergencies including COVID-19， July 20 Heavy rainstorm in Zhengzhou and variant strains of the new coronavirus attacked Shanghai in 2022 on the performance of food network security， the Grainger causal detection method was used to construct four different stages of food stock correlation network. Through the analysis of the network topology characteristics， node importance and anti-destruction performance in the three periods， it is found that in the process of facing the invasion of overall or local emergencies， the internal structure of the food-related network will be effectively adjusted with the degree of impact， and the nodes that occupy the leading role form a fast and effective response mode according to geographical factors， and the maintenance and protection of these important nodes of food supply is often the focus. The attack simulation results show that deliberate attacks are more persecutive than random attacks， and the food related networks in the second stage are disintegrated most rapidly， and the anti-destruction performance of the third and fourth stages is more unstable. Finally， the early warning effect of CUSUM control chart used in the grain stock market is also well reflected.

Keywords：

grain correlation network; major emergencies; invulnerability; CUSUM algorithm

0 引言

建國70多年來中國在糧食供應(yīng)層面取得了長足的進展，如今中國已步入“十四五”規(guī)劃及二○三五年遠景目標(biāo)奮斗時期，糧食安全依然是中國發(fā)展過程中關(guān)注的重點。關(guān)于糧食安全問題的研究一直以來都是熱點，牟能冶等[1]基于復(fù)雜網(wǎng)絡(luò)理論技術(shù)，具體以各類城市為節(jié)點構(gòu)造出糧食鐵水聯(lián)運網(wǎng)絡(luò)，按照對網(wǎng)絡(luò)性能指標(biāo)的影響程度劃分出一級、二級和三級城市節(jié)點，并進一步研究了在蓄意攻擊和隨機攻擊下糧食運輸網(wǎng)絡(luò)抗毀性能的變化。杜志雄等[2]從糧食供給側(cè)進口端角度出發(fā)研究中國糧食安全，并針對新冠疫情沖擊影響分析了中國糧食進口結(jié)構(gòu)，對保障糧食供應(yīng)安全提出相關(guān)建議。目前，大部分學(xué)者主要從糧食物流運輸路線、糧食供給結(jié)構(gòu)等角度對糧食安全問題進行探究與研究；而從具有重要經(jīng)濟影響力的糧食企業(yè)角度，來構(gòu)建糧食企業(yè)關(guān)聯(lián)股票間的網(wǎng)絡(luò)模型，研究糧食網(wǎng)絡(luò)安全的較少。

近年來，復(fù)雜網(wǎng)絡(luò)相關(guān)技術(shù)理論在金融領(lǐng)域的應(yīng)用不斷深入 [35]。Mantegna[6]首次通過構(gòu)建標(biāo)準(zhǔn)普爾500支股票收益率關(guān)聯(lián)網(wǎng)絡(luò)，探索發(fā)現(xiàn)股票之間的等級聚類結(jié)構(gòu)。黃瑋強等[7]利用MST和PMFG構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)，研究發(fā)現(xiàn)股票間的異類匹配模式十分有助于上述兩類宗派和派系的聚類結(jié)構(gòu)信息挖掘。網(wǎng)絡(luò)的構(gòu)建方法也在不斷豐富，其中格蘭杰因果檢測能夠有效地體現(xiàn)出股票之間的不對稱影響，得到廣泛運用。Zheng Q等[8]利用格蘭杰因果檢測構(gòu)建全球156個股票市場的關(guān)聯(lián)網(wǎng)絡(luò)，并對所構(gòu)建網(wǎng)絡(luò)的拓撲結(jié)構(gòu)特征及其演化特征進行相關(guān)研究與分析。Park等[9]使用格蘭杰因果網(wǎng)絡(luò)探究了全球貨幣市場之間的網(wǎng)絡(luò)拓撲結(jié)構(gòu)特征，并著重分析了在次貸危機、歐債危機以及中國股市動蕩時期因果網(wǎng)絡(luò)的橫截面拓撲和時變性質(zhì)的變化情況。此外，復(fù)雜網(wǎng)絡(luò)的抗毀性研究也得到關(guān)注[1011]，尤其是與現(xiàn)實問題相結(jié)合，針對各類供應(yīng)鏈等網(wǎng)絡(luò)的安全性能擾動研究不斷豐富與發(fā)展。Holme等[12]采用4種不同的攻擊策略對現(xiàn)有的幾種復(fù)雜網(wǎng)絡(luò)模型和現(xiàn)實網(wǎng)絡(luò)進行攻擊，基于平均逆向測地線長度以及最大連通子圖抗毀性指標(biāo)來測度網(wǎng)絡(luò)性能。吳俊等[13]基于自然連通度，對網(wǎng)絡(luò)的度分布、小世界性以及度關(guān)聯(lián)3種重要結(jié)構(gòu)特性的抗毀性進行研究。崔慧霞等[14]提出了一種有向加權(quán)供應(yīng)鏈網(wǎng)絡(luò)下的抗毀性標(biāo)準(zhǔn)，引入“網(wǎng)絡(luò)運用度”概念，通過實驗證明該機制針對抗毀性測度的有效性更高。陳春霞[15]在復(fù)雜網(wǎng)絡(luò)理論基礎(chǔ)上引入極大連通子圖和平均最短路徑距離，分析了單點應(yīng)急物流網(wǎng)絡(luò)抗毀性。

綜上所述，本文考慮的突發(fā)事件類型有突發(fā)公共衛(wèi)生事件和自然災(zāi)害事件，同時對整體沖擊與局部沖擊效應(yīng)進行細化研究，選取的事件分別是2019年新冠疫情、2021年河南鄭州暴雨、2022年新冠疫情變異毒株。鑒于股市對突發(fā)事件的靈敏度高，綜合考慮糧食股票及地理位置的影響，從中國A類股市篩選40只股票，以研究糧食股市為出發(fā)點，通過構(gòu)建格蘭杰因果有向加權(quán)網(wǎng)絡(luò)，對所構(gòu)造的糧食關(guān)聯(lián)網(wǎng)絡(luò)復(fù)雜拓撲特性、網(wǎng)絡(luò)節(jié)點重要性以及抗毀性能進行比較分析，并將CUSUM預(yù)警機制引入糧食股市進行相關(guān)預(yù)警研究。具體研究流程如圖1所示。

1 模型設(shè)計

1.1 格蘭杰因果有向加權(quán)網(wǎng)絡(luò)模型

在糧食股票網(wǎng)絡(luò)中，以單只股票為網(wǎng)絡(luò)節(jié)點；基于格蘭杰因果檢測法來構(gòu)造股票之間的相互聯(lián)系，即網(wǎng)絡(luò)的連邊。具體地，首先將股票i在交易日t內(nèi)的收益率對數(shù)化：rit=lnPit-lnPi（t-1）；其中Pit為第i個糧食股票在交易日t內(nèi)的收盤價格；該步驟可以保證數(shù)據(jù)的平穩(wěn)性。對于兩個平穩(wěn)的股票價格時間序列Xt和Yt，其中Xt的自回歸模型為[16]

Xt=∑pi=1α1iXt-i+ε1t （1）

將Yt的信息納入后，構(gòu)建的二元自回歸模型為

Xt=∑pi=1β2iXt-i+∑qi=1γ2iYt-i+ε2t （2）

其中，p，q為滯后項數(shù)；α1i，β2i，γ2i為自回歸系數(shù)；ε1t，ε2t為誤差項。

進一步對上述模型進行格蘭杰因果檢驗；若通過檢驗，則表明Yt是Xt的格蘭杰原因，并在兩個股票節(jié)點之間添加一條由“格蘭杰因”指向“格蘭杰果”的有向連邊；邊的權(quán)重大小為檢驗過程中拒絕原假設(shè)時的F值。

復(fù)雜網(wǎng)絡(luò)擁有各類重要特點，從全局角度考慮，網(wǎng)絡(luò)的小世界特性以及無標(biāo)度特性往往對網(wǎng)絡(luò)性能有著決定性作用，本文通過計算累積分布函數(shù)來進一步考察所構(gòu)造的4個不同時期網(wǎng)絡(luò)的無標(biāo)度特性，其表達式為

Pk=Ck-λ（3）

其中，C為歸一化參數(shù)，定義C=λ-1k-λ+1min，使得∑Pk=1。

另一方面，從網(wǎng)絡(luò)拓撲結(jié)構(gòu)特征考慮，平均路徑長度、聚類系數(shù)，這兩個特征指標(biāo)能夠反映網(wǎng)絡(luò)的小世界特性。此外，復(fù)雜網(wǎng)絡(luò)的介數(shù)中心性（Betweenness Centrality）衡量了節(jié)點i在網(wǎng)絡(luò)各類節(jié)點對間最短路徑的信息傳輸控制效率的強弱。計算公式為[17]

BCi=∑s≠i≠tistst（4）

其中，st為節(jié)點s到節(jié)點t的最短路徑數(shù)目，ist為從節(jié)點s到節(jié)點t的st條最短路徑中經(jīng)過節(jié)點i的路徑數(shù)。

1.2 復(fù)雜網(wǎng)絡(luò)抗毀性能測度

1.2.1 全局網(wǎng)絡(luò)連通效率E

E反映網(wǎng)絡(luò)中節(jié)點對之間的連接難易狀況，計算方式為各個節(jié)點對之間最短距離的倒數(shù)取平均值，其公式為

E=1n（n-1）∑i≠j1dij， i≠j（5）

其中，dij為節(jié)點i與節(jié)點j之間的距離值。

1.2.2 最大連通子圖規(guī)模S

S直觀定義為最大連通子圖所包含的節(jié)點數(shù)占網(wǎng)絡(luò)總節(jié)點數(shù)的比值，通常用來衡量網(wǎng)絡(luò)整體連通度；計算公式為

S=ln（1-f）（6）

其中，f為節(jié)點移除比值，在網(wǎng)絡(luò)將完全瓦解時標(biāo)記f值為fo；l為最大連通子圖包含的節(jié)點數(shù)目。

1.2.3 抗毀性綜合測度值P

Guo等[18]提出了抗毀性指標(biāo)的廣義指數(shù)分布，p=1-e-λC，其中C 服從指數(shù)分布函數(shù)。若C0，則P0，表明系統(tǒng)具有高度可靠性；若 C∞，則P1，表明抗毀性較低。本文提出了一種結(jié)合網(wǎng)絡(luò)拓撲結(jié)構(gòu)特征的抗毀性綜合測度方法，表達式為

P=（1-e-α1Ej-α2Sj）×djd0 （7）

其中，Ej為刪除節(jié)點j后的全局網(wǎng)絡(luò)連通效率；Sj為刪除節(jié)點j后的最大連通子圖規(guī)模；dj為刪除節(jié)點j后的節(jié)點度之和，d0 為最初網(wǎng)絡(luò)節(jié)點度之和；α1和α2為調(diào)整參數(shù)。

1.3 CUSUM控制圖

CUSUM算法在假設(shè)檢驗與極大似然估計相關(guān)統(tǒng)計學(xué)原理的基礎(chǔ)上，計算觀測數(shù)據(jù)的均值與方差，進一步統(tǒng)計出與基準(zhǔn)水平線的差值，以達到放大效果，從而靈敏捕捉到微弱的異常波動[1920]。非參數(shù)化雙邊CUSUM的上、下預(yù)警統(tǒng)計值計算公式為

C+i=max（0，C+i-1+（xi-μi）/σi-k） （8）

C-i=min（0，-C-i-1+（xi-μi）/σi+k）（9）

其中，C+i為上單側(cè)累積和，C-i為下單側(cè)累積和。xi為觀察值，μi和σi分布為對應(yīng)的均值和方差；k為允偏量，通常根據(jù)具體研究問題進行設(shè)置，本文取k=0.5；判斷值H=0.8。

2 實證分析

2.1 數(shù)據(jù)說明

基于糧食股票的影響力及地理位置相關(guān)因素，本文從中國A類股市選取40支股票：北大荒、農(nóng)產(chǎn)品、敦煌種業(yè)、中糧科技、隆平高科、金健米業(yè)、萬向德農(nóng)、宏輝果蔬、傲農(nóng)生物、大北農(nóng)、荃銀高科、豐樂種業(yè)、新農(nóng)開發(fā)、新希望、登海種業(yè)、亞盛集團、農(nóng)發(fā)種業(yè)、圣農(nóng)發(fā)展、蘇墾農(nóng)發(fā)、*ST華英、禾豐股份、冠農(nóng)股份、ST天山、新五豐、神農(nóng)科技、民和股份、益生股份、京基智農(nóng)、好當(dāng)家、溫氏股份、京糧控股、華測檢測、克明食品、中百集團、煌上煌、朱老六、百洋股份、南寧百貨、伊利股份、有友食品；以上股票所屬公司均為中國農(nóng)業(yè)產(chǎn)業(yè)化國家重點龍頭企業(yè)，所在地區(qū)涵蓋中國大部分重要的糧食供應(yīng)地區(qū)，具體包括東北部小興安嶺南麓、松嫩平原和三江平原地區(qū)，廣東，甘肅，北京，湖南，安徽，黑龍江，福建，新疆，四川，山東，湖北，江西，重慶，內(nèi)蒙古，廣西，吉林，山西，遼寧，江蘇，河南。研究區(qū)間分別為：1）2019.11.01—2020.1.22，共58組；2）2020.1.23—2020.04.16，共54組；3）2021.07.19—2021.10.15，共58組；4）2022.02.28—2022.05.12，共49組。以股票的每日收盤價為研究對象，數(shù)據(jù)來源于Choice金融終端數(shù)據(jù)庫。

2.2 有向加權(quán)格蘭杰因果網(wǎng)絡(luò)構(gòu)建

首先將糧食股票數(shù)據(jù)進行收益率對數(shù)化處理，接著通過循環(huán)計算的方式對40支糧食股票兩兩進行格蘭杰因果檢驗，其中滯后階數(shù)根據(jù)AIC，BIC和HQ綜合信息準(zhǔn)則來選取。最后借助Gephi軟件繪制出4個時期的糧食股票有向加權(quán)的格蘭杰因果網(wǎng)絡(luò)，具體如圖2所示。

整體上看，不同階段的糧食股票關(guān)聯(lián)網(wǎng)絡(luò)稠密狀況明顯不一致，稠密聚集位置也大不相同。相較于第1階段，第2、3階段的糧食股票關(guān)聯(lián)網(wǎng)絡(luò)稀疏性均增大，且后者稀疏性更嚴重；而第4階段網(wǎng)絡(luò)的稠密性急劇增加。具體來看，2019年爆發(fā)的新冠疫情，由于其沖擊力度大，范圍廣，需要對疫情嚴重地區(qū)提供充足的糧食，同時對抗疫情感染的風(fēng)險，導(dǎo)致運輸?shù)臅r效性成為一大問題，各類糧食企業(yè)遭受襲擊，糧食股票關(guān)聯(lián)性表現(xiàn)出一定幅度減弱。2021年河南鄭州暴雨，路面被水淹沒，陸地交通路線幾乎完全不通，從空間層面加大了與外界聯(lián)系的難度，對糧食供應(yīng)帶來了直接阻礙；反映在糧食股票關(guān)聯(lián)網(wǎng)絡(luò)中則節(jié)點之間顯得更為稀疏；2022年2月新冠疫情變異毒株襲擊上海，封控式管理使得疫情蔓延得以遏制，然而當(dāng)?shù)鼐用窦Z食供應(yīng)問題再次凸顯，甚至導(dǎo)致當(dāng)?shù)厥袌霾藘r出現(xiàn)惡意競爭；此次局部擾動影響程度較深，糧食股票節(jié)點在網(wǎng)絡(luò)中呈現(xiàn)出更加聚集的狀況。

表1統(tǒng)計了不同階段糧食股票關(guān)聯(lián)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)特征值，可以看出，以上突發(fā)事件均造成了網(wǎng)絡(luò)平均路徑長度的增加，表明風(fēng)險傳染及其沖擊效應(yīng)一定程度沖淡了糧食企業(yè)間的關(guān)聯(lián)性；平均聚類系數(shù)反映了糧食股票節(jié)點之間的“抱團”程度，第2階段的抱團程度更加明顯，第3、4階段抱團程度均有所減弱，反映出：全面與局部爆發(fā)的突發(fā)事件對糧食關(guān)聯(lián)網(wǎng)絡(luò)造成的影響呈現(xiàn)不同級別的差異，更猛烈的風(fēng)險沖擊愈加容易沖散節(jié)點間的聯(lián)系，同時造成分散的節(jié)點開始不同程度 “抱團”。另外網(wǎng)絡(luò)密度也發(fā)生異樣變化，與自然災(zāi)害造成的結(jié)果不同，全面和局部的疫情沖擊會加劇糧食關(guān)聯(lián)網(wǎng)絡(luò)的部分緊密性，這從網(wǎng)絡(luò)連邊數(shù)同樣可以看出。

2.3 節(jié)點重要性分析

通過計算4個網(wǎng)絡(luò)節(jié)點的累積度分布，負冪律指數(shù)分別為λ1=1.905 5；λ2=1.631 6; λ3=1.868 6; λ4=1.417 9。結(jié)果表明上述網(wǎng)絡(luò)均具有無標(biāo)度特性，即存在少部分節(jié)點擁有大多數(shù)連邊，該類節(jié)點往往具有重要影響力。第1階段主要是敦煌種業(yè)、荃銀高科、克明食品和溫氏股份等；經(jīng)歷突發(fā)事件襲擊，好當(dāng)家和亞盛集團、北大荒和京糧控股、中百集團和南寧百貨分別成為了后3個階段相應(yīng)的主導(dǎo)節(jié)點。4個不同階段網(wǎng)絡(luò)中占主導(dǎo)地位的糧食股票節(jié)點反映到實際中，成為當(dāng)時主要糧食供應(yīng)所在的地理位置分別是：第1階段：甘肅、安徽、湖南和廣東；第2階段：山東、山西、甘肅和江西；第3階段：中國東北部小興安嶺南麓、松嫩平原和三江平原地區(qū)，新疆、安徽和北京；第4階段：吉林、新疆、湖北和廣西。為了更直觀顯示地理位置因素在不同階段對糧食安全的影響，將糧食關(guān)聯(lián)網(wǎng)絡(luò)中的節(jié)點用地理位置名稱顯示，具體如圖3所示。

進一步，對這4個階段介數(shù)中心性排名變化進行統(tǒng)計，具體如表2。受重大突發(fā)事件影響，糧食股票市場出現(xiàn)劇烈波動，節(jié)點重要性排名也發(fā)生大幅度變化?？梢钥闯?2019年新冠疫情爆發(fā)期的各類糧食節(jié)點的介數(shù)中心性數(shù)值大小將近其他3個時期的3～4倍左右，說明在這一時期各類糧食股票節(jié)點在網(wǎng)絡(luò)中所發(fā)揮的“中介”作用更加明顯；這一現(xiàn)象符合實際，在疫情期間，全國各地糧食供應(yīng)在做好儲備的同時，外援資助頻率增加，具體加快了針對局部嚴重爆發(fā)地區(qū)的糧食供應(yīng)。雖然不同時期的糧食重要節(jié)點幾乎不同，但是從所屬地理位置的空間角度來看，在三次突發(fā)事件中，安徽省位處華中地區(qū)，以其地理位置特點，形成了發(fā)散式對外應(yīng)援的模式，其代表的糧食股票為豐樂種業(yè)、荃銀高科和中糧科技。從第2、4階段對應(yīng)的突發(fā)事件中可以看出：湖南省的克明食品以及金健米業(yè)，河南地區(qū)的*ST英華同樣在糧食關(guān)聯(lián)網(wǎng)絡(luò)占據(jù)重要位置。此外，北部、西北、華北、華東地區(qū)農(nóng)業(yè)產(chǎn)業(yè)化國家重點龍頭企業(yè)均涵蓋在對應(yīng)糧食關(guān)聯(lián)網(wǎng)絡(luò)的重要節(jié)點中。綜上所述，面對全面或者局部地區(qū)的重大突發(fā)事件侵襲，糧食關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)會隨著沖擊程度產(chǎn)生一定調(diào)節(jié)，占據(jù)主導(dǎo)作用的節(jié)點所在地理位置更加便捷，具有能夠快速援助的特點；對這些糧食供應(yīng)重要節(jié)點的維系和保護往往是重點。

2.4 糧食供應(yīng)鏈網(wǎng)絡(luò)抗毀性研究

2.4.1 攻擊策略與實驗仿真

為了進一步研究各類突發(fā)事件對中國糧食供應(yīng)鏈網(wǎng)絡(luò)抗毀性的影響，本文進行仿真模擬實驗，采用蓄意攻擊與隨機攻擊兩種模式，對網(wǎng)絡(luò)進行攻擊直至網(wǎng)絡(luò)完全瓦解后崩潰。其中，蓄意攻擊采取的方法是將網(wǎng)絡(luò)節(jié)點按照介數(shù)進行重要性排序，然后依次移除相應(yīng)節(jié)點；隨機攻擊則是對網(wǎng)絡(luò)節(jié)點進行隨機移除，從而破壞網(wǎng)絡(luò)節(jié)點之間的聯(lián)系。在仿真實驗中，隨機攻擊采用蒙特卡洛模擬100次取平均值。

圖4、圖5分別為4個時期糧食股票關(guān)聯(lián)網(wǎng)絡(luò)的全局網(wǎng)絡(luò)連通效率、最大連通子圖規(guī)模統(tǒng)計值的變化情況。可以看出，無論是面對蓄意攻擊還是隨機攻擊，糧食關(guān)聯(lián)網(wǎng)絡(luò)的各類指標(biāo)均呈現(xiàn)出指數(shù)遞減的趨勢，其中蓄意攻擊下網(wǎng)絡(luò)崩潰速度更快，網(wǎng)絡(luò)崩潰臨界值fo均介于0.675～0.875之間，而隨機攻擊的fo則在0.97以上。4個階段的E值、S值曲線均存在部分交叉情況，第3、4階段的曲線往往交叉于其他兩個階段之間，第2、4階段的曲線變化幅度劇烈，前者網(wǎng)絡(luò)崩潰速度更快。重要程度高的糧食股票節(jié)點的失效加快了網(wǎng)絡(luò)整體瓦解的速度，反映到糧食供應(yīng)鏈中則代表實際運輸效率可能發(fā)生急劇下降。綜上所述，面對隨機攻擊，4個階段糧食關(guān)聯(lián)網(wǎng)絡(luò)都能夠展現(xiàn)出良好的魯棒性，遭受蓄意攻擊時，第2階段的網(wǎng)絡(luò)瓦解速度更迅速，第3、4階段的抗毀性不穩(wěn)定程度較大。表明三類突發(fā)事件中，2019年爆發(fā)的新冠疫情沖擊力度最猛烈。

2.4.2 抗毀性能指標(biāo)測度穩(wěn)健性檢驗

為了檢驗網(wǎng)絡(luò)抗毀性的實際效果，本文提出了一種結(jié)合網(wǎng)絡(luò)拓撲結(jié)構(gòu)特征的抗毀性綜合測度方法，通過調(diào)整全局網(wǎng)絡(luò)連通效率和最大連通子圖規(guī)模統(tǒng)計參數(shù)α1和α2來進行穩(wěn)健性檢驗，以隨機選取節(jié)點的方式具體研究E與S系數(shù)變化對于網(wǎng)絡(luò)抗毀性測度的影響?？梢暬故拘Ч鐖D6所示，隨著調(diào)整參數(shù)α1不斷增大、α2不斷減小，在前3個階段中全局網(wǎng)絡(luò)連通效率E造成的損失要高于最大連通子圖規(guī)模S，即網(wǎng)絡(luò)崩潰速度更快；而在最后一個階段中E和S造成的損失率近乎相同；側(cè)面反映遭受不同突發(fā)事件沖擊，網(wǎng)絡(luò)的抗毀性能呈現(xiàn)出不穩(wěn)定的特點，這與實際相符?？傮w來看，不同階段整體網(wǎng)絡(luò)抗毀性能的強弱都大致表現(xiàn)出同級下降模式。

2.5 CUSUM預(yù)警研究

基于前面節(jié)點重要性排序結(jié)果，本文進一步選取好當(dāng)家、金健米業(yè)和中糧科技3支糧食股票對應(yīng)的每日收盤價為研究對象，進行CUSUM預(yù)警分析，預(yù)警階段分別對應(yīng)本文研究的三類突發(fā)事件。由圖7至圖9可知，以上3支股票的上單側(cè)累積和C+以及下單側(cè)累積和C-統(tǒng)計值均突破了控制線，且上單側(cè)累積和曲線波動幅度比較劇烈。在危機產(chǎn)生前，該三類股票的CUSUM控制圖均發(fā)出警報，C+值不斷上升，很快突破預(yù)警值H，表明此刻投資風(fēng)險也隨之增大，對于風(fēng)險愛好者可以把握時機，投機獲利。C-值則幾乎在預(yù)警值附近微小波動，在事件爆發(fā)前有試探性突破。具體以好當(dāng)家糧食股票為例，在2019年12月底至2020年1月期間C+ 曲線不斷上升突破控制線，此時系統(tǒng)發(fā)出警報，暗示此時股票市場將出現(xiàn)波動風(fēng)險；2021年3月C+出現(xiàn)同樣預(yù)警，結(jié)合實際來看，3月疫情開始在全球范圍內(nèi)蔓延，國際金融形勢極不穩(wěn)定，反映在股票市場則表明風(fēng)險即將隨之而來；隨著疫情逐步控制，累積和曲線也逐步在預(yù)警值范圍內(nèi)回走，表明市場情況慢慢好轉(zhuǎn)。綜合來看，CUSUM控制圖在檢測風(fēng)險方面預(yù)警效果表現(xiàn)較好。

3 結(jié)論

本文以中國A類股市篩選出的40支糧食股票對數(shù)收益率為研究對象，研究不同類突發(fā)事件對中國糧食關(guān)聯(lián)網(wǎng)絡(luò)安全和抗毀性能的影響。采用格蘭杰因果檢測法構(gòu)建4個不同階段的糧食關(guān)聯(lián)網(wǎng)絡(luò)，通過節(jié)點重要性可知所屬安徽地區(qū)的豐樂種業(yè)、荃銀高科和中糧科技糧食股票節(jié)點在網(wǎng)絡(luò)中起到重要樞紐作用，該表現(xiàn)在3個突發(fā)事件階段的網(wǎng)絡(luò)中均有所體現(xiàn)；進一步，結(jié)合地理位置因素分析發(fā)現(xiàn)，面對整體或者局部地區(qū)突發(fā)事件的侵襲，糧食關(guān)聯(lián)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)均會隨著沖擊程度產(chǎn)生一定有效的調(diào)節(jié)，即占據(jù)主導(dǎo)作用的節(jié)點對應(yīng)的實際地理位置會形成快捷有效的應(yīng)援模式；體現(xiàn)出對關(guān)鍵糧食供應(yīng)節(jié)點的保護力度往往需求更大。攻擊仿真實驗?zāi)M結(jié)果顯示，蓄意攻擊迫害性比隨機攻擊更強，相比其他階段，第2階段的糧食關(guān)聯(lián)網(wǎng)絡(luò)遭受瓦解的速度最快，第3、4階段的抗毀性能不穩(wěn)定程度性更大；在三類突發(fā)事件中，2019年爆發(fā)的新冠疫情沖擊力度最強，發(fā)生在局部的鄭州暴雨事件和上海疫情襲擊事件的沖擊特點是：造成局部迫害性擾動現(xiàn)象。最后，糧食股市運用的CUSUM控制圖檢測結(jié)果與現(xiàn)實情況基本符合，預(yù)警效果較好。

本文僅從宏觀的層面研究突發(fā)事件對中國糧食關(guān)聯(lián)網(wǎng)絡(luò)的影響，進一步將具體的糧食供應(yīng)地點、運輸成本與時效納入綜合考慮范圍，以期更細致地分析糧食供應(yīng)鏈網(wǎng)絡(luò)的安全性能，將成為接下來的研究工作。

參考文獻：

［1］牟能冶，程馳堯.面向突發(fā)事件的糧食鐵水聯(lián)運網(wǎng)絡(luò)抗毀性研究[J].安全與環(huán)境學(xué)報，2023，23（3）：713723.

MOU N Y， CHENG C Y. Study on the invulnerability of rail-water intermodal transportation network of grain for emergencies[J]. Journal of Safety and Environment， 2023，23（3）：713723.

[2]杜志雄，高鳴，韓磊.供給側(cè)進口端變化對中國糧食安全的影響研究[J].中國農(nóng)村經(jīng)濟，2021，37（1）：1530.

DU Z X， GAO M， HAN L. The impacts of importance-side changes in grain supply on China’s food security[J]. Chinese Rural Economy， 2021，37（1）：1530.

[3]LI M， LIU R R， L L，et al. Percolation on complex networks： theory and application[J]. Physics Reports， 2021，907：168.

[4]LATORA V， NICOSIA V， RUSSO G. Complex networks： principles， methods and applications[M]. Cambridge University Press， 2017.

[5]LIU F， WANG N I， WEI D. Analysis of chinese Stock market by using the method of visibility graph[J]. The Open Cybernetics amp; Systemics Journal， 2017， 11（1）：3643.

[6]MANTCGNA R N. Hierarchical Str-ucture in financial markets[J].The European Physical Journal B， 1999， 11（1）：193197.

[7]黃瑋強，莊新田，姚爽.中國股票關(guān)聯(lián)網(wǎng)絡(luò)拓撲性質(zhì)與聚類結(jié)構(gòu)分析[J].管理科學(xué)，2008，22（3）：94103.

HUAN W Q， ZHUANG X T， YAO S. Topology property and clustering structure analysis of China’s stock correlation network[J]. Journal of Management Sciences， 2008，22（3）：94103.

[8]ZHENG Q， SONG L. Dynamic contagion of systemic risks on global main equity markets based on granger causality networks[J]. Discrete Dynamics in Nature and Society， 2018（2）：113.

[9]PARK J H， CHANG W， SONG J W. Link prediction in the Granger causality network of the global currency market[J]. Physica A： Statistical Mechanics and Its Applications， 2020， 553： 126.

[10] 吳俊，鄧燁，王志剛，等.復(fù)雜網(wǎng)絡(luò)瓦解問題研究進展與展望[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2022，19（3）：113.

WU J， DENG Y， WANG Z G，et al. Status and prospects on disintegration of complex networks[J]. Complex Systems and Complexity Science， 2022，19（3）：113.

[11] 蔣文君，劉潤然，范天龍，等.多層網(wǎng)絡(luò)級聯(lián)失效的預(yù)防和恢復(fù)策略概述[J].物理學(xué)報，2020，69（8）：8191.

JIANG W J， LIU R R， FAN T L，et al. Overview of precaution and recovery strategies for cascading failures in multilayer networks[J]. ActaPhysica Sinica， 2020，69（8）：8191.

[12] HOLME P， KIM B J， YOON C N， et al. Attack vulnerability of complex networks[J]. Physical review E， 2002， 65（5）： 056109.

[13] 吳俊，譚索怡，譚躍進，等.基于自然連通度的復(fù)雜網(wǎng)絡(luò)抗毀性分析[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2014，11（1）：7786.

WU J， TAN S Y， TAN Y J，et al. Analysis of invulnerability in complex networks based on natural connectivity[J]. Complex Systems and Complexity Science，2014，11（1）：7786.

[14] 崔慧霞，邱建龍，郭明，等.有向加權(quán)供應(yīng)鏈網(wǎng)絡(luò)級聯(lián)失效的抗毀性研究[J].控制理論與應(yīng)用，2021，38（11）：18281834.

CUI H X， QIU J L， GUO M，et al. Research on invulnerability of cascading failures in directed weighted supply chain networks[J]. Control Theory amp; Applications，2021，38（11）：18281834.

[15] 陳春霞.基于復(fù)雜網(wǎng)絡(luò)的應(yīng)急物流網(wǎng)絡(luò)抗毀性研究[J].計算機應(yīng)用研究，2012，29（4）：12601262，1325.

CHEN C X. Study on invulnerability of emergency logistics network based on complex network[J]. Application Research of Computers， 2012，29（4）：12601262，1325.

[16] SIGGIRIDOU E， KOUTLIS C， TSIMPIRIS A， et al. Evaluation of Granger causality measures for constructing networks from multivariate time series[J]. Entropy， 2019， 21（11）： 124.

[17] 汪小帆， 李翔， 陳關(guān)榮. 網(wǎng)絡(luò)科學(xué)導(dǎo)論[M].北京：高等教育出版社，2012.

[18] GUO J， WANG S， WANG D， et al. Spatial structural pattern and vulnerability of China-Japan-Korea shipping network[J]. Chinese Geographical Science， 2017， 27（5）： 697708.

[19] HAWKINS D M. A CUSUM for a scale parameter[J]. Journal of Quality Technology， 1981， 13（4）： 228231.

[20] 王芝珺，雷駿峰，吳純杰.基于對數(shù)似然比的多元加權(quán)Poisson CUSUM控制圖研究及應(yīng)用[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2021，41（3）：837853.

WANG Z J， LEI J F， WU C J. Weighted multivariate Poisson CUSUM control chart based on log-likelihood ratio[J].Journal of Systems Science and Mathematical， 2021，41（3）：837853.

（責(zé)任編輯 耿金花）