第二章：股票市场关联性基础
各位同学，今天我们来聊聊股票市场里最基础、也最容易被忽视的一个问题——股票之间的关联性。
我刚开始做量化那会儿，总觉得股票就是一个个独立的个体。后来踩了不少坑才明白，股票市场就像一张大网，每只股票都是网上的一个节点。你动一下，周围的全跟着晃。说白了，不搞懂关联性，你做的策略大概率是空中楼阁。
2.1 股票关联的定义
先给个简单的定义：股票关联，指的是两只或多只股票之间存在的某种统计依赖关系或业务逻辑关系。
举个例子，贵州茅台和五粮液。这两家公司都是白酒龙头，它们的股价走势往往高度同步。为什么？因为行业相同、客户群体重叠、甚至原材料成本都差不多。这就是关联性。
但关联性不总是正相关的。我记得有一次做行业轮动策略，发现煤炭股和电力股经常是负相关。煤价涨了，煤炭股赚钱，但电力股成本上升，股价反而跌。你想想看，这种关联关系如果没搞清楚，策略很容易翻车。
核心要点：股票关联 ≠ 因果关系。两只股票走势相似，不代表一只涨另一只就一定会涨。我见过太多人把相关性当因果，结果亏得底裤都不剩。
2.2 关联类型：三种主要维度
在实际项目中，我习惯把股票关联分成三类。这三类基本覆盖了市场上90%以上的关联场景。
2.2.1 行业关联
这是最直观的关联。同一行业的公司，受相同的政策、原材料、技术趋势影响。
- 同行业竞争：比如宁德时代和比亚迪，都是新能源电池龙头。政策一补贴，两家一起涨。
- 上下游产业链：比如芯片设计公司和晶圆代工厂。台积电涨价，下游芯片设计公司成本上升，股价承压。
- 替代品关系：比如光伏和风电。政策偏向光伏时，风电股可能被冷落。
嗯，这里要注意一点：行业关联不是一成不变的。我曾在2020年做过一个实验，把申万一级行业分类直接拿来用，结果发现很多股票早就跨界了。比如某家做空调的公司，后来开始搞新能源车零部件，它的行业标签就变得模糊了。
2.2.2 供应链关联
这个维度更隐蔽，但杀伤力更大。供应链关联指的是上下游企业之间的业务依赖关系。
举个例子，苹果和它的供应商。苹果发布新iPhone，供应商的订单就爆满。但如果苹果砍单，供应商的股价可能直接腰斩。这种关联不是简单的统计相关，而是有真实的业务逻辑支撑。
我个人习惯用供应链图谱来建模。把上市公司之间的供货关系、采购金额、合同期限都整理出来。这样做出来的关联分析，比单纯看股价走势靠谱得多。
避坑指南：我曾经用公开的供应链数据做分析，结果发现很多数据是滞后的。比如某公司宣布和华为合作，股价已经涨了三天，新闻才出来。所以，供应链关联要结合新闻舆情做实时更新。
2.2.3 资金流关联
这个维度最动态，也最考验技术。资金流关联指的是机构资金、游资、北向资金等在股票之间的流动关系。
比如，某只基金重仓了茅台和五粮液。如果基民大量赎回，基金经理被迫卖出茅台，那么五粮液也可能跟着遭殃——因为同一只基金在卖。这种关联不是基本面决定的，而是资金行为导致的。
我记得有一次做回测，发现两只完全不相干的股票（一家是医药，一家是食品），它们的走势在某个时间段高度同步。后来一查，原来是同一家量化基金在同时做多这两只票。资金流关联，说白了就是「大资金的手印」。
2.3 关联性量化指标
讲完了定性分析，咱们来点硬核的。怎么用数学量化股票之间的关联性？我常用的指标有两个：皮尔逊相关系数和互信息。
2.3.1 皮尔逊相关系数
这是最经典的指标，没有之一。公式很简单：
ρ(X, Y) = Cov(X, Y) / (σ_X * σ_Y)其中Cov是协方差，σ是标准差。取值范围在[-1, 1]之间。
- ρ = 1：完全正相关，两只股票同涨同跌
- ρ = -1：完全负相关，一只涨另一只跌
- ρ = 0：没有线性相关关系
但我要提醒你，皮尔逊相关系数有个大坑：它只能捕捉线性关系。如果两只股票是非线性关联（比如指数关系、阈值关系），皮尔逊系数可能接近0，但实际关联性很强。
警告：我见过有人用皮尔逊系数做配对交易，结果亏得很惨。为什么？因为两只股票的关联性在牛市和熊市里完全不一样。牛市里ρ=0.8，熊市里ρ可能变成-0.3。所以，一定要做滚动窗口计算，别用全样本。
2.3.2 互信息
互信息（Mutual Information）是信息论里的概念，用来衡量两个变量之间的总依赖关系，包括线性和非线性。
公式：
I(X; Y) = Σ Σ p(x, y) * log(p(x, y) / (p(x) * p(y)))简单理解：互信息越大，说明知道X的信息后，Y的不确定性减少得越多。说白了，就是X和Y之间共享了多少信息。
互信息的优点很明显：
- 能捕捉非线性关系
- 对数据分布没有假设（皮尔逊要求正态分布）
- 取值非负，越大越相关
但缺点也很突出：计算量大，而且对离散化方式敏感。我建议用核密度估计来算连续变量的互信息，别用简单的直方图。
个人经验：在实际项目中，我通常把皮尔逊系数和互信息结合起来用。先用皮尔逊筛一遍，找出线性相关的股票对。再用互信息做二次筛选，找出那些非线性但业务逻辑上确实有关联的股票。这样既快又准。
2.4 知识体系总览
为了让你更直观地理解本章的知识结构，我画了一张图。这张图把股票关联的定义、类型、量化指标串在了一起。
这张图你看懂了吗？从定义出发，我们明确了关联性不等于因果。然后从三个维度（行业、供应链、资金流）去识别关联。最后用皮尔逊和互信息去量化。这三步走完，你才算真正理解了股票市场的关联性。
好了，这一章的内容就到这里。记住，关联性分析是图神经网络的基础。没有准确的关联性，你后面建的图结构就是空中楼阁。下一章我们会讲怎么用图结构来建模这些关联关系，到时候见。