“同涨同跌”是股票市场不稳定的突出表现，反映到行业层面，亦即多个行业同时发生崩盘或跳跃事件。因此，本章进一步分析和比较系统稳定性指标对于共生性的行业崩盘与跳跃概率的影响。在这种情况下，Logistic回归因变量的取值将依赖于发生崩盘或跳跃事件的行业数量。
以崩盘为例，在识别单个行业的崩盘或跳跃事件的基础之上，如果存在超过N个行业崩盘，记DC，t=1；否则DC，t=0；类似地，如果存在超过N个行业发生跳跃事件，记DN，t=1；否则DN，t=0。
表4-6 共生性行业崩盘与跳跃的Logistic回归（基于K指标计量系统稳定性）
注：括号内为p值，★，★★，★★★分别代表p值小于0.1、0.05、0.001，字体加粗表示在90%的水平上显著不为零。(www.xing528.com)
表4-6和表4-7为共生性行业崩盘与跳跃的Logistic回归结果，其中，表4-6基于K指标计量系统稳定性，表4-7基于FI指标计量系统稳定性，且单个行业崩盘与跳跃事件的识别标准与股指一致。与此同时，在行业数量标准的选择上，由于篇幅限制，本章仅展示了N取值为4、6、8、10与12时的回归结果。
比较表4-6和表4-7可以发现，基于FI指标计量的系统稳定性均不能显著影响共生性的行业崩盘与跳跃概率，而基于K指标计量的系统稳定性与共生性的行业崩盘与跳跃概率显著负相关，即对某一固定的N取值而言，系统稳定性越强，共生性行业崩溃或跳跃的概率越低。最后，比较表4-6中不同N取值情形可以发现，N取值越大，回归系数越低，因此，发生崩溃或跳跃事件的行业数量越多，基于K指标计量的系统稳定指标对共生性崩溃或跳跃概率的影响越敏感。
表4-7 共生性行业崩盘与跳跃的Logistic回归（基于FI指标计量系统稳定性）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
