中國證券市場多元金融上市公司的復雜網絡動態拓撲結構研究

牛曉健，劉紅懌

(復旦大學 經濟學院，上海 200433)

一、引言

當代金融發展的歷史是一部金融創新的歷史。人類社會在經歷了漫長的易物交易階段后，就開始了不斷金融創新的歷程，從貨幣的演變到紙幣的使用，再到銀行等金融機構的創建和初級證券的發行，人類為了逃避監管或為謀取利潤降低風險而創造出越來越復雜的金融衍生產品。金融創新的進程中，資金流通速度不斷加快，與之相伴的是各類金融機構的聯系也愈發緊密，大有“牽一發而動全身”之勢。金融危機與此相伴相生，從1929年的大蕭條、1987年的股市“黑色星期一”，到1997的亞洲金融危機，再到2007年美國次貸危機，金融創新驅使下的金融機構的杠桿率居高不下。在相對穩定期利潤放大的同時，也在波動期增加了風險，系統性金融危機在全世界范圍內出現頻率增高，破壞性增強。隨著全球化進程的逐步推進，更多的國家與地區加入到了全球金融市場中，漸漸放開了對投資的資本限制和對金融機構的監管標準，大型金融機構在全球布局和國際游資在全球新興市場的大量涌入和突然撤出，會給這些尚沒有完善監管法律法規和相應人才儲備的國家和地區帶來快速的繁榮，也會令這繁榮瞬間破滅。在來去迅捷的游資的影響下，金融系統中的“蝴蝶效應”也更加強烈，一家地區銀行的違約有可能演變成導致全國金融市場乃至全球金融市場動蕩的大風險，而金融系統受到破壞也往往會影響到實體經濟，造成國內生產總值增速放緩。各個金融監管機構再也不能只是“管好自己”的工作，系統性金融風險也應進入管理者的視野。與之相應的是如何防止一場突發性金融危機從局部動蕩向整體崩盤的發展，這也已經成為世界各國金融管理的重點。盡可能地對金融系統中的各類金融機構的內在聯系有一個客觀總體的研究，是做好系統性金融風險防范的前提。

近年來在自然科學領域興起的復雜網絡理論被逐漸引入對金融風險的研究，該理論在研究金融風險的傳播機制、危機的傳導過程、風險壓力測試等方面取得了大量有價值的成果。借鑒該理論的研究方法，本文對2009年和2019年兩個年度的多元金融類上市公司股票進行不同閾值下的復雜網絡建模，以單只股票為網絡節點，股票收益率時間序列相關性為邊的權重，通過控制變量法進行檢驗，分析在這段時間跨度內的網絡結構變遷，探討可能的原因，并同時結合公司間的實際關聯，在此基礎上為股票市場的投資和監管提出相應的政策建議。

二、文獻綜述

20世紀50年代末，兩位匈牙利數學家Erd?s和Rényi提出了第一個復雜網絡模型——ER隨機圖模型，其網絡的構成方法是任意兩節點之間都以某一概率P隨機連邊,這也拉開了復雜網絡理論的系統性研究的序幕。在這之后的40年里，ER隨機圖模型一直是研究復雜網絡的基本模型。在20世紀末，對復雜網絡的研究發生了重要的轉變，擁有大量節點和邊的實際網絡漸漸成為主要研究對象。Watts和Strogatz提出了小世界網絡模型，小世界網絡模型介于規則網絡和隨機網絡之間，通過將規則網絡中的每條邊以一個給定的概率p連接到一個新節點上構造而成[1]。Barabási和Albert提出了BA網絡模型即無標度網絡，在網絡的構造中引入了增長性和擇優連接性：增長性指網絡中不斷有新的節點加入進來，擇優連接性則指新的節點進來后優先選擇網絡中度數大的節點進行連接[2]。BA網絡是無標度網絡(scale-free networks)模型，其節點度服從冪律分布。

Watts等人提出的“小世界”效應和Barabási等人提出的“無標度”性質拉開了復雜網絡研究的新紀元，復雜網絡的研究在過去幾年中得到了迅速發展，其研究者來自圖論、統計物理、計算機、生態學、社會學以及經濟學等各個不同領域。對復雜網絡的定性特征與定量規律的深入探索、科學理解以及可能的應用，已成為網絡時代復雜科學研究中一個極其重要的挑戰性課題。

建立在規則網絡和隨機網絡基礎上的復雜網絡理論自誕生以來，就因為其簡潔直觀性和對現實模擬的貼近被廣泛應用于各大學科領域，尤其是在金融市場這樣一個體積大、聯系復雜而緊密的系統中。Kim等人通過建立股票價格變化相關性加權網絡，發現網絡中節點影響能力的絕對值分布服從無標度模式[3]。Bonanno等人認為復雜網絡可以用來過濾噪聲，網絡的拓撲特性顯示了金融網絡的實際相關特性[4]。Lee等人提出了閾值的概念，認為閾值在0.4和0.6之間時，復雜網絡具有無標度性，并通過建立韓國證券市場股票價格相關性的復雜網絡進行了實際驗證[5]。

自朱涵將小世界、集團化和無標度等復雜網絡的概念向國內學界介紹以后[6]，我國在復雜網絡理論的應用上有了顯著的進展[7]。近年來國內學者開始將復雜網絡理論應用在中國證券市場上，李平、汪秉宏等人探索了港股恒生指數的波動類型[7]。黃偉強，莊新田等人以上證180指數和深證100指數成份股為研究標的，分析了滬深市場股票關聯網絡的拓撲性質和聚類結構[8]。蘭旺森，趙國浩研究了中國股市煤炭、電力板塊內部的復雜網絡結構，發現其具有無尺度特性，且分析了其中的核心節點，抽取了一個對整體網絡影響極大的高度耦合的中心網絡[9]。宋宜飛，邵峰晶等人建立了上海A股股票市場的無向網絡和有向網絡，發現其具有小世界特性，并通過社團分析發現股票網絡中存在較明顯的社團結構，且同一板塊股票關聯性較強，可以解釋證券市場中的股票同漲同跌現象，同時，一些在網絡中占據核心地位的股票會很容易將自身的價格波動傳遞到網絡中的其他股票[10]。

目前針對國內證券市場的復雜網絡研究顯示，股票市場的復雜網絡具有明顯的小世界特性，且往往具有社團化結構，社團內公司股票價格同漲同跌現象明顯，一些在網絡拓撲結構中重要節點的公司的股票價格會更容易影響其他股票，由核心公司股票組成的局部網絡往往已經涵蓋了整體網絡的大部分信息，為現實中“指數成分公司”的選擇提供了復雜網絡理論基礎上的驗證。但值得注意的是，目前關于證券市場復雜網絡結構的變動多是一個時間段內的穩態研究，大多是研究網絡拓撲結構的靜態屬性，對于同一類型網絡在較長時間跨度上的結構變動則研究較少，而實際經濟生活中各家公司的經營狀況處于一個動態變化的過程中，這些基本面的變化勢必影響到其股票價格的變化，對復雜網絡結構特性的變化分析，有助于我們更好地理解現實中的網絡動態結構，同時也為證券市場的投資者和相關監管部門提供一個新的視角。

三、多元金融類上市公司的復雜網絡構建

近年來隨著金融脫媒化的不斷演進，非傳統類金融公司在企業的投融資、金融市場中發揮越來越重要的作用，為探索非傳統金融類上市公司的網絡結構，本文的研究選取在A股上市的多元金融類公司，主要包括非銀行、保險、證券類金融公司，這些主營業務是為實體經濟公司提供金融服務，如信托、融資租賃、小額貸款、供應鏈金融、股權投資等，有一些也同時開展自己的實體業務和金融投資業務。選擇的背景是考慮到國內已經有多項針對傳統金融如商業銀行、證券公司、保險公司等的復雜網絡研究，都發現了其內部的小世界特性，而對非傳統類金融上市公司的研究相對較少，但是其在我國投融資體系中作用不可小覷，不論是投融資規模還是數量都呈現快速增長態勢，其在系統性風險傳播中的作用也在逐步增強。

本文數據來源是在東方財富網得到“多元金融”類在2009年度和2019年度上市公司名冊，在Wind數據庫中獲得其在相應年度的價格數據時間序列，刪去年度內新上市的公司和價格數據缺失10日以上的公司。2009年度共有16家上市公司，244個交易日；2019年度25家上市公司，244個交易日。通過中值插入法補全時間序列后，以收盤價計算股票對數收益率時間序列的相關性：

R(t)=lnP(t)-lnP(t-Δt)

取Δt=1 day，計算股票i與股票j的相關性為：

當相關性超過閾值時，則認為以這兩家公司為節點的邊存在，否則不存在，相關性越大，邊的權重越大。設定兩個不同閾值0.4和0.5。將相關性超過閾值的組合的其中一家公司命名為source，另一家公司為target，并將相關性的數值作為weight。將處理所得數據序列導入Gephi軟件用Force Atlas 2(1)力引導布局，通過模擬物理中的引力和斥力，使得網絡中的節點和邊達到力平衡狀態，產生圖緊湊可讀性強。算法進行無向加權復雜網絡建模。

文中各圖中，不同度數的節點顏色不同，節點的大小與其度數成正比，邊的粗細代表其權重(即連接的兩個節點公司股票的相關度)。

圖1、圖2是當閾值=0.5時的復雜網絡拓撲結構示意圖。

圖1 閾值=0.5時2009年度多元金融公司網絡拓撲結構

四、多元金融類上市公司復雜網絡動態拓撲結構研究

(一)網絡結構統計特性異同

表1為閾值設定為0.4時對2009和2019年的多元金融板塊復雜網絡的特性統計，表2為閾值設定為0.5時的特性統計。從兩表易知多元金融板塊的復雜網絡隨著時間推移，呈現出連接愈發緊密的趨勢。

表1 閾值=0.4時的復雜網絡統計特性

表2 閾值=0.5時的復雜網絡統計特性

由于公司節點數目的變化，暫不考慮平均度和平均加權度的差異，在閾值=0.4時，兩年度的網絡統計特性沒有太大差異，而當閾值為0.5時，二者在圖密度和平均聚類系數兩項上出現了較大差別，2019年度的復雜網絡節點間相互連通性更強，網絡中的平均路徑更短。

如上復雜網絡拓撲結構的變化，我們結合多元金融類上市公司的經營環境來尋求現實可能的原因。早在2009年，國內統一的金融監管框架尚未建立，在金融領域“九龍治水”的情況下，金融業呈現分業經營、分業監管的格局，尤其是非傳統金融領域，當一個金融子行業出現風險問題，采用的政策舉措可能是“一刀切”，進而限制該子行業領域所有的公司發展，例如信托業歷史上就存在若干這樣的時期。而這種政策措施會有利于其他金融子行業，企業投融資的需求是長期存在的，每當一個投融資渠道不順暢，就會轉向其他渠道，因此可能出現這些金融子行業“此消彼長”的發展態勢，其業績會出現相應的差異化，而這逐步體現在其公司股票價格上。例如，對于信托行業的嚴監管可能導致銀行表外業務、委托貸款以及金融租賃市場、非標金融產品市場的快速發展，造成金融監管“按下葫蘆浮起瓢”，監管的實際效果大打折扣。在復雜網拓撲絡構上體現為各家上市公司股票價格的關聯性不是很強，甚至還會出現背離情況。

近年來，這一長期困擾金融監管部門的痼疾得到了有效解決，2018年4月27日《關于規范金融機構資產管理業務的指導意見》(以下簡稱《資管新規》)由中國人民銀行、中國銀行保險監督管理委員會、中國證券監督管理委員會、國家外匯管理局以“銀發〔2018〕106號”聯合印發，這是規范金融機構資產管理業務的綱領性的政策法規，對各類金融機構均限定杠桿倍數、消除多層嵌套、“雙十限制”等，并進一步明確要減少通道業務，旨在通過統一監管標準防止監管套利。在《資管新規》這一重要法規出臺以后，傳統的監管套利問題得到解決。在近年來宏觀“去杠桿”的背景下，各類金融子行業面對同樣的政策環境，其經營環境基本一致，業績表現也不存在過去的“此消彼長”的狀況，由公司基本面決定的股票價格變化也逐步趨同化,這在其十年間的公司節點網絡結構的變化上得到很好的驗證。

(二)檢驗

由于兩個年度間上市公司數量的變化，網絡節點數量也發生了變化，使用控制變量法，首先應該考慮節點的增加，再考察2009年度原有節點間的結構變動。

2019年比2009年新增了9家公司，將其去除后在閾值為0.5時考察網絡結構變動的情況，結果如表3。

表3 去除新增節點后閾值=0.5時的復雜網絡統計特性

由表3可知原有節點間的網絡結構發生了很大變動，接下來用公司節點的介數來衡量其在網絡中的重要性。節點的介數指復雜網絡中所有最短的路徑通過該節點的比例，介數越大，可以認為該節點在整個網絡結構中越重要。

由表4、表5可知，不同公司在網絡中的重要性發生了很大變動，有些公司的重要性提高，如sh600318，有些公司的重要性降低，如sz000563，同時也有節點的重要性未發生明顯變化，如sh600817，其介數在2009和2019年度均為0，是典型的“邊緣節點”。

表4 閾值=0.5時2009年度公司節點介數分布

表5 閾值=0.5時2019年度公司節點介數分布(去除新增點)

公司節點重要性的變動意味著在證券市場中，即使面對同樣的監管環境，各家公司的經營狀況也是處于不斷變化的過程中，公司的業績也會出現差異，其基本面的變化將會在其公司股票上得到體現，這也就意味著積極的投資者需要實時觀察研究目標公司的經營狀況，適時調整自己的投資組合，當資產組合中的節點公司股票關聯程度過高時，需要更改配置比例乃至資產種類。若投資者的組合中持有大量該板塊的“核心節點公司”，則建議不應再持有該板塊的其他節點公司，即使一定要加大對該類公司的配置，也建議考慮持有“邊緣節點公司”，以降低整個組合的系統性風險。

由表6可知，新增公司在2019年度的復雜網絡中構成了幾個重要節點，尤其是sh600643，其介數值是位于第二位的sz000415的近三倍。

表6 2019年度閾值=0.5公司節點介數分布

在刪去節點sh600643后，網絡結構變化如表7所示。

表7 去除節點sh600643后2019年度閾值=0.5時的復雜網絡統計特性

圖3 閾值=0.5時2020年度3月多元金融上市公司復雜網絡拓撲結構

由表7易知復雜網絡的圖密度降低幅度較大，重要節點公司sh600643的消失減少了傳播路徑，但聚類系數未受到大幅影響，網絡結構的小世界特性未遭破壞，節點公司sh600643沒有對網絡結構造成“大而不能倒”的影響。這意味著在同板塊內部投資中，即使刻意回避了“核心節點公司”，包含較多同板塊節點公司股票的資產組合也會有很大的系統性風險，研究結論進一步支持多元化分散投資。

那么外部宏觀環境的劇烈變化，例如突發的股市崩盤是否會對板塊的復雜網絡拓撲結構造成嚴重影響,投資者又應如何應對這種沖擊？2020年新冠疫情在全球的蔓延導致了資本市場的大幅震蕩，美股在不到一個月的時間里4次觸發熔斷機制，資本全球化使得中國市場也無法獨善其身，中國證券市場也發生了較大波動，下文對2020年3月這25家公司股票的相關性復雜網絡拓撲結構進行研究，總計22個交易日。

從圖3中可以發現，2020年3月多元金融類上市公司的復雜網絡拓撲結構中，處于邊緣的游離節點的個數較之2019年明顯增多。這說明，在市場的劇烈波動時期，該網絡公司股票之間的關聯程度降低了。

由表8可以看出，受宏觀沖擊的2020年3月的復雜網絡，在統計特性上其實更接近節點數目相對較少的2009年度的復雜網絡。網絡連通完整性顯著降低，但依舊保留了小世界特性。接著通過介數分析2020年3月復雜網絡中的節點屬性。

表8 閾值=0.5時2020年3月多元金融類上市公司股票復雜網絡統計

對比表9和表6，可以看出公司節點介數的變化，在表9中介數大于10的6個重要節點中，有兩個重要公司節點是新加入的，在2019年度閾值為0.5的復雜網絡中，公司sh600599的介數為0，而在2020年3月，其值達到了11.79。公司sh600139的2020年3月介數為30.06，在2019年度，它沒有任何一條邊達到閾值為0.5的統計標準。通過網絡結構圖，可以發現，這兩個節點并非如公司sh600901一樣，是典型的“中心節點”。典型“中心節點”相連節點多，且邊的權重也偏大，統計特性上，sh600901和sz000563的節點度數均為18，而考慮到邊的權重后，其加權度數分別為13.79和13.69。相較之下，節點度數同為18的sh600139的加權度數僅為12.72，而節點度數為14的sh600599，其加權度數僅為8.22，也是相同度數節點中最低的一個。其較高的介數應是由該節點和邊緣節點的聯系得來的，邊緣節點度數小，相連邊的權重也偏低，往往只和靠近中心的一兩個節點相連，而這些靠近中心的節點則通過這種連接獲得了一些“最短路徑”，從而在介數統計中占有優勢。為了驗證，本文將介數為0～5的邊緣節點去除后，再次構建2020年3月份的復雜網絡拓撲結構。

表9 閾值=0.5時2020年3月份公司股票節點介數分布

與之前的復雜網絡拓撲結構有所不同，圖4中股票節點顏色模塊化的依據不是節點的度數，而是節點的介數。結合表10和圖4，可以發現，去除邊緣節點后的2020年3月份的復雜網絡是一個連接十分緊密的小世界網絡，圖密度達到了0.964，而在這個網絡中，原先介數較高的sh600139和sh600599變成了所謂的“邊緣節點”，去除了完整網絡中邊緣節點的情況下，它們在介數上的損失遠超過那些完整網絡中的典型“中心節點”，這印證了前文的推測，即它們是通過與邊緣節點的連接在介數統計中占有優勢。

表10 閾值=0.5時去除邊緣節點后2020年3月份復雜網絡統計特性

圖4 閾值=0.5時去除邊緣節點后2020年3月多元金融上市公司網絡拓撲結構

以上研究表明，當市場遭到外部劇烈沖擊時，“核心節點公司”和“邊緣節點公司”的投資組合在風險分散上要優于“次級核心節點公司”和“邊緣節點公司”的組合。巨大的沖擊大幅降低了金融市場各組成公司間的關聯性，尤其是板塊中核心節點公司和邊緣節點公司間的聯系，在這種情況下，兩者組合的系統性風險比在市場平靜時的風險更低。而對于監管者來說，“次級核心節點公司”的這一性質可以使其成為相關監管部門監控系統性危機發展程度的重要觀測對象。

對比2019年度和2020年3月份的復雜網絡建模結果，我們可以發現sz000415、sz000416、sz000563、sh600901、sh600643、sh600705和sz000617這七個節點在這兩個時期的復雜網絡中都具有較高的度數與介數，它們對于整體網絡的結構是否有重大影響，本文接下來進一步驗證。去除以上七個核心節點后，對2019年度和2020年3月份的多元金融板塊進行復雜網絡建模。

對比表11和表2發現，去除核心節點后的2019年度復雜網絡，圖密度和平均聚類系數都有顯著下降，而平均路徑長度有所增加，核心節點的去除使得整個網絡少了許多“捷徑”，這一點反映在了表中統計特性的變化上。

表11 閾值=0.5時去除核心節點后2019年復雜網絡統計特性

對比表12和表8，可以看出去除核心節點后對2020年3月份網絡結構的影響與2019年度類似，且在程度上比2019年更為嚴重，在金融市場的動蕩時期，聯系緊密的核心節點對于整個網絡的重要性提高了，綜合來看，核心節點公司的移除會令網絡更加分散化，聯通程度更低。

表12 閾值=0.5時去除核心節點后2020年3月份復雜網絡統計特性

綜合上述，在證券市場處于平穩發展時期，投資者持有同一類型的多家公司股票，是較不理性的投資選擇，尤其是僅持有該板塊的“核心節點公司”。而當市場遭受較大外部沖擊時，同板塊內的投資組合的系統風險有所降低，“核心節點公司”和“邊緣節點公司”的組合變得更有吸引力。對于證券市場的監管和穩定，“核心節點公司”是重中之重，而在危機時期，“次級核心節點公司”的監管也應被納入重點范圍，這就好比在城市爆發傳染病時期守住出城的干道。

多元金融類上市公司股票的復雜網絡拓撲結構，是否映射了現實經濟生活中所代表公司之間的聯系，我們對此進行探討。一般而言，公司之間的聯系主要有以下幾種方式：一是企業之間由融資或者履約關系而產生的借貸或者擔保關系，如牛曉健、崔璨的研究所揭示的河北擔保圈問題[11]；二是企業之間交叉持股關系，幾個企業互相持有對方的股權，從而在股東結構上產生一定的關聯，如牛曉健、羅盛君等對中國證券市場240家國有上市公司的交叉持股復雜網絡研究[12]。三是企業之間的生產經營上的供應鏈關系，例如上下游企業之間的商品或服務供銷關系。通過查詢Wind資訊和“企查查”等第三方工商登記查詢的平臺，我們未能獲得多元金融類上市公司在這三個方面可能的詳細關聯的數據資料。

圖5 基金-債券網絡示意圖

那么，多元金融類上市公司在復雜網絡拓撲結構上的關系還有一種可能性，就是被類似的投資機構所共同持有，從而在價格的波動上呈現一定的相關關系，例如牛曉健、梁曉明運用復雜網絡方法，通過構建基金-債券雙層網絡結構，探究了中國債券市場抵御風險沖擊的能力，及其與市場參與者的行為和市場特征的關系[13]。研究發現，市場參與者所面臨的杠桿率限制與收益率壓力會交叉影響，形成正反饋機制，降低債市抵御風險的能力，而市場參與者的主動擇時策略會影響上述能力。投資者面臨的杠桿率限制越嚴格、收益率壓力越大，市場流動性越差，債券市場抵御風險的能力越弱。完全分散化的投資者暴露于更多的風險來源中，反而降低了債券市場抵御風險的能力。但是由于數據的可得性有限，我們目前尚不能建立類似牛曉健、梁曉明的持有機構—股票的二分網絡(圖5)[13]，這也是本文今后進一步深化研究的一個方向。

五、結論與政策建議

本文通過對兩個時期的多元金融板塊復雜網絡建模，研究了網絡動態拓撲結構，對靜態結構復雜網絡研究做出了有益補充。由本文的研究可知，多元金融類上市公司內部的復雜網絡拓撲結構呈現出較為明顯的小世界特性，該網絡拓撲結構在2009—2019年的時間跨度中有了很大的變化，除了新增上市股票的原因外，較為早期的股票間相關關系的變動也是一大因素。網絡中上市公司股票間相關關系的變動，可能是因為《資管新規》等監管法律法規和宏觀去杠桿等經濟政策的影響，也可能是因為公司自身的經營狀況的改變，使得其在行業中的相對重要性有了變化。在統一監管的政策框架下，從較長的時間跨度上看，網絡拓撲結構總體向著節點聯系越發緊密、平均路徑長度更短的方向發展。板塊內部資產組合的系統風險會隨著節點關聯性的提高而變得越來越大。

在劇烈的系統性危機的沖擊下，證券市場板塊內部的網絡拓撲結構也會發生改變，總體來說，隨著網絡聯通度的降低，邊緣節點公司的增多，節點公司的重要性也會發生變動，一些本來無關緊要的節點公司會通過與邊緣節點公司間的獨特聯系而躍升到次級核心節點的位置。因為在證券市場相對穩定的時期，圖密度較大，網絡聯通程度更完整，邊緣節點公司往往也會和一級核心節點公司有微弱的關聯。此時，板塊內部資產組合的系統風險有所降低，尤其是板塊內“核心節點公司”和“邊緣節點公司”的投資組合。

限于數據資料的可得性，我們尚未發現多元金融類上市公司股票復雜網絡拓撲結構與其基本面在擔保關系、借貸關系、供應鏈關系、股權關系等方面聯系的依據，這也是本研究進一步深化的方向。

在股票板塊的小世界復雜網絡中，幾個重要節點公司的所有連接往往呈現了大部分的網絡信息，因此使得“指數成分股”的選擇具有理論依據。而通過本文研究也能發現，一個網絡中的節點公司重要性處于變動之中，“指數成分股”也應該及時更新，方能最好地反映市場的真實情況，有利于監管與投資。如果“指數成分股”長期不變，有可能造成資源的大量浪費和投資者的損失。企業發展是動態的，網絡結構也是動態的，金融監管也應相應地變化。

在一個復雜網絡中，節點公司的重要性有著較為明顯的分級結構，重要的核心節點公司在網絡中關聯多并且聯系密切，往往為網絡提供了大部分的“捷徑”，即使在網絡遭到沖擊的金融動蕩時期，核心節點公司間的聯系也較少受到破壞，資金和風險都會在這些鏈接迅速傳播，這是金融市場監管的重點，在危機發生初期將波動控制在核心節點公司中有助于節省社會資源；次級節點公司在金融相對穩定時期沒有突出的作用，但在動蕩期卻會變成核心節點公司和邊緣節點公司間連接的紐帶，對次級節點公司的監管有助于判斷危機形勢進而阻遏危機進一步發展，而邊緣節點公司是整個網絡中的最后一環，它們被波及意味著危機已經發展到全局性，此時精確地局部注入資金進行網絡修復已不可能，必須在宏觀上對整個網絡進行重建，在這個過程中，股票節點公司的重要性排序有可能出現較大變動。對于投資者來說，過于集中于一個板塊內部的資產組合會帶來極大的系統風險，跨板塊投資是消除風險的一個選擇。而在整個市場都遭遇外部沖擊的危機中，這種集中于板塊內部的系統風險會有所降低，如果持有板塊內部“核心股”的話，將“邊緣股”加入投資組合會比加入“次級核心股”更能降低風險。