2022年投资策略专题 供应链网络中心性与策略逻辑分析

一、供应链网络中心性与策略逻辑

1.1 供应链网络中心性

在《“蓝海启航”系列研究之五：基于供应链动量溢出效应的选股策略》中，我们提出公司并不是独立存在的 个体，而是通过供应关系、竞争关系等经济关系，紧密联系在一起，形成一个整体。对于每家上市公司（主体公司）， 存在为其提供原材料或服务的上游公司（供应商），同时存在购买其产品或服务的下游公司（客户）。如果把每家公 司看成一个点，两两公司供应关系看作有向边，将会形成公司之间的供应链网络。Choi 等（2011）认为研究供应链 网络不应该仅盯着企业与其直接合作伙伴的联系，还应该考虑与其他合作伙伴的间接联系。

当前市场的供应链网络错综复杂。近年来，市场分工逐渐精细化，产品之间的特质性越来越明显， 同时上市公司业务发展趋向于多元化、产业化，业务发展不断向产业链上下游进行延伸，甚至是贯穿产业链，位于 供应链上游的供应商与位于下游的客户之间业务联系越发紧密，这就使得市场的供应链网络将会越来越复杂。我们 认为，供应链网络是上市公司所处社会网络的重要组成部分之一，产品、价值、信息都将沿着供应链网络进行传导， 影响着企业日常的经营活动以及战略决策，通过对供应链网络的分析，可能可以挖掘出供应链网络中所蕴含的独特 信息。

中心性（Centrality）作为网络结构分析的重要指标之一，量化了节点在整个网络中的中心程度，一般被用来衡 量节点在网络结构中的重要性或者影响力。一般认为，一个节点的中心性越大，该节点在整个网络结构的重要性越 强，反之则认为该节点处于网络结构的边缘位置，对网络结构的重要性较低。目前对于中心性的计算方法已经具有 较为完整、公认的体系，比较常见的指标有点度中心性（degree centrality）、接近中心性（closeness centrality）、

中介中心性（betweenness centrality）、特征向量中心性（eigenvector centrality）以及大名鼎鼎的 PageRank 算法 等等。由于篇幅限制，这里我们仅给出各指标的定义和计算公式，不对每个指标一一展开进行说明，感兴趣的投资 者可以自行查阅相关资料。

1.2 供应链网络中心性选股逻辑

事实上，近年来一众学者在供应链网络中心性的研究领域中不断探索。Kenneth R. Ahern（2015）利用美股数 据在行业层面进行研究，发现股票收益与中心性具有显著正相关，位于供应链网络中心的行业具有更高的股票收益 率，同时，他还发现在风险维度，在供应链网络中，中心性高的行业对总风险的贡献更大，并且相较外围行业具有 更大的市场贝塔。史金艳等（2019）指出网络中心性较高的企业在合作伙伴的选择方面权力更大,而选择权的不对称 便促使位于网络中心位置的企业在供应链关系中议价能力更强。汪刘凯（2021）在产业链视角下进行研究，发现在 产业链中中心性高的企业往往具有更优异的财务绩效。

吕可夫等（2022）应用 2004-2019 年 A 股上市公司之间的供应数据，证明了供应链网络中心性高的公司，其 勒纳指数（该指数代表经营者超过直接成本或者边际成本定价的能力）更高。此外，他从三个维度解释这个现象， 首先，他认为中心性高的公司具有资源、信息和控制优势，能够更好的洞察产业机会；其次，中心性高的公司可以 通过与外界的交流，提升企业创新能力和质量；最后，中心性高的公司在供应链关系中议价能力更强，从而促进企 业竞争地位的提升。

从过往的学术文献中可以看出，中心性高的公司往往具有更强的竞争优势和产业地位。但是，如何从中心性出 发落地到具体的投资策略还存在几个问题。首先，供应链网络的变化是较为缓慢的，从而供应链网络中个股的中心 性也是相对较为稳定的。若我们直接根据供应链网络的中心性的大小进行选股，那么我们各期选出的股票重合度会 比较高。

其次，直接选择中心性较高的个股，选出来的都是规模较大的龙头公司，个股在供应链网络中的重要性可能已 经 price in 到股价中，而我们更希望去挖掘供应链网络中“隐性的龙头”。我们画出了近几年宁德时代 （300750.SZ）的中心性与其市值的走势。从当前时点的市值或者是供应链的中心性来看，宁德时代均是新能源汽 车领域绝对的龙头公司。回顾 2018 年 6 月到 2019 年 12 月这段时间，可以看到，宁德时代的中心性显著提升，归 一化后的中心性从 0.75 提升到 1，从中心性的角度来看其已经成为该领域的龙头，而宁德时代的市值却在这段时间 没有特别明显的反应，但是在 2020 年之后，宁德时代的市值迎来了 6 倍以上的增长。

最后，正如我们在《“蓝海启航”系列研究之五：基于供应链动量溢出效应的选股策略》中提到的，不同行业在 整个市场的供应链网络中天然的有上、中、下游之分，对比不同行业中的个股的中心性可能是有偏的。因此，我们 认为刻画个股在供应链网络中，其中心性的变化可能是一个更加有效、科学的选股指标。

二、供应链数据概述

2.1 供应链数据介绍

本报告将继续采用来自秩鼎公司的供应链数据为样本进行分析与研究。秩鼎公司是国内领先的供应链、ESG 等 另类数据及分析服务商，其核心团队来自全球领先的金融信息服务商 Thomson Reuters，是中国保险资产管理业协 会成员、联合国责任投资原则 UN PRI 成员、 Bloomberg 中国境内的首家另类数据提供商、 ICE 洲际交易所合作伙 伴。

秩鼎公司提供供应链、ESG、知识产权、全球市场行情等深度信息，同时提供了 供应链图谱、ESG 评估、组 合分析、因子开发等投研工具， 对 7,000 多家上市公司、 20,000 多家发债企业和 1,300,000 多家非公众企业进行 实时跟踪和绩效分析。截至目前，秩鼎公司已通过 ISO9001 质量管理体系、ISO27001 信息安全管理体系、 ISO20000 信息技术服务管理体系认证。 秩鼎通过反向披露、股权穿透等方式，全方位覆盖历史数据，新增数据日度更新，构建可视化的供应链图谱和 因子化的供应链关联度。截至目前，秩鼎供应链数据已覆盖 4,000+A 股，2,000+港股，100+美股，20,000+发债主 体以及 1,300,000+非公众企业。百万量级真实交易记录，日度更新，股权数据随年度变化，精准回溯历史业务信息， 为供应链投资策略提供基本面、事件驱动和量化因子等多种研究应用方式。

同时，为保证数据质量及可溯性，秩鼎供应链数据采用人工智能、 机器学习以及自然语言处理等技术，从公 司公告（定期报告、临时公告等）、以及第三方披露信息（审计报告、招中标等）中抓取供应链数据后，将所有数据 经过人工复核， 并提供原始披露出处备查。

2.2 供应关系权重计算

秩鼎在通过一系列技术从公司公告（定期报告、临时公告等）、以及第三方披露信息（审计报告、招中标等）中 抓取供应链数据后，根据两两公司之间具体的交易金额、报告期等数据，按照关联度的算法计算出两两公司之间供 应关系的关联度。通过该公式计算得出的关联度权值越大，表明两者在供应链中的关联性越强。为了方便使用，秩 鼎供应链数据分为供应商关联度数据和客户关联度数据两个部分，供应商关联度数据记录的是主体公司与其供应商 的关联关系，客户关联度数据记录主体公司与其客户间的关联关系。具体关联度计算方法详见下表：

2.3 统计特征

1. 样本数量

从下图我们可以看出，无论是 A 股公司的上游供应商数据还是下游的客户数据，自 2016 年以来，供应链关联度数据在 A 股的覆盖度在不断提升。覆盖的 A 股公司数量从 2016 年底的大约 500 家公司提升到当前（截止 2022Q1）的 3200 家公司。

2. 分布特征

从主体公司所属指数的比例上看，无论是客户数据还是供应商数据，主体公司在沪深 300、中证 500 以及中证 1000 的比例之和在 50%左右。另一方面从不同指数的覆盖度来看，首先我们可以看到沪深 300 指数的覆盖度相对 来说一直是最高的；其次从 2016 年以来，供应链数据在 3 个主流宽基指数的覆盖度在不断提升，目前在 3 个指数 的覆盖度接近 80%。

三、中心性计算方法与策略构建

3.1 中心性计算方法

在第一章中我们对中心性相关指标进行了初步的介绍。接近中心性，反映了网络中的企业和其周边企业的亲近 度，接近中心性越高, 说明该企业与网络中其他企业建立连接的路径长度越短。相比点度中心性，接近中心性不仅考 虑了与之直接相连的节点，还考虑了其他不直接相连但连通的节点，更能体现在供应链网络图中的中心性。同时与 特征向量中心性、PageRank 算法相比，接近中心性具有运算速度较快、更直观、容易理解的优点，因此我们这里 选择用接近中心性来衡量供应链网络中每个企业的中心性。

直观的说，接近中心性衡量的是每个节点到该节点能到达的所有节点的平均最短距离的倒数。具体计算方法见 下式： () = n−1/N−1 * n−1/ ∑ (,)

介绍完接近中心性指标具体的计算方法，我们接下来就是把这套计算方法应用到供应链网络中，再去算出每个 企业在供应链网络中的中心性。供应链网络存在两个基础特征：1、 企业之间的供应关系是存在方向的。供应关系 是由一个公司向另一个公司提供产品或者服务，因此供应链网络理应是有向图。2、企业之间的供应关系可能是有强 弱之分的。有的企业之间供应关系联系较为紧密，有的供应关系联系则较为疏远。因此供应链网络中连接节点的边 的长度理应是不完全相等的。

为了适应上文提出的供应链网络应该是有向图的特征，我们对于每一个供应关系，将箭头从供应商指向客户， 构建供应链网络，计算该供应链网络的接近中心性，将该中心性定义为供应端中心性（supplier centrality）；然后将 供应链网络中的箭头转向，生成与之前的供应链网络方向相反的新的供应链网络，再计算该网络的接近中心性，将 该中心性定义为客户端中心性（customer centrality）。

同样的，为了解决上文提出的供应链网络中连接节点的边的长度理应是不完全相等的问题，我们认为两个公司 之间的距离应该与两者供应关联度相关，这里我们将两个公司之间的距离定义为 d（u,v）= −(,)，s(u,v) 为企业 u 和企业 v 之间的供应关系的关联度，该定义满足以下几个特性：1、当 s(u,v)=0 时（由于交易金额缺失或者无法获取， 关联度定义为 0），d（u,v）=1；2、当 s(u,v)=1 时，d（u,v）≠ 0，避免计算中心性时出现无穷的情况。

3.2 基于供应链中心性的策略构建

在第一章，我们提出直接运用企业中心性的值进行选股可能存在问题，并认为刻画个股在供应链网络中，其中 心性的变化可能是一个更加有效、科学的选股指标。而在上一小节中，我们介绍了我们是如何结合供应链网络自身 的特征，将中心性的概念引入到供应链网络当中。因此，在这一节中我们将介绍我们是如何具体基于供应链网络的 中心性的变化值进行选股。

具体来说，我们计算个股在供应链网络中心性的变化主要分以下三步：1、每半年（这里我们选择每年的 6 月 30 日和 12 月 31 日），计算供应链网络中个股的中心性（包括客户端中心性以及供给端中心性）；2、对各期的中心 性进行标准化的处理，标准化计算公式为 () = ()− − ；3、将每只个股当期的标准化中心性减去上期标准化中 心性，计算两者的差值。最后，我们根据计算出来的标准化中心性的变化值来进行选股。

四、在不同宽基指数下的选股策略回测

在这一章中，我们将上一章介绍的基于供应链中心性的策略应用到不同的宽基指数中。考虑到前期供应链数据 在中证 1000 指数的覆盖度较低，我们将该策略应用到沪深 300、中证 500 指数股票样本池中，测试其有效性。

首先，我们计算每半年全市场股票的客户端中心性和供给端中心性，并计算个股前后两期中心性的变化值；其 次，我们将股票池缩小到相应的宽基指数成分股中；最后，我们根据中心性的变化值从低到高将股票池中的股票平 均分成 5 组进行分位组测试。Top 组合和 Bottom 组合分别为因子值最高和最低的组合，股票权重为等权方式，每半 年结束后第 1 个交易日进行组合调整，回溯期为 2018 年 H1 至 2022 年 H1。

4.1 沪深 300

客户端中心性

表 4 和图 11分别是分位数测试(均暂不考虑费率)的主要评价指标和净值曲线走势。可以看到： （1）Top 组合的整体表现最好，区间总收益率、区间年化收益和卡玛比率分别为 44.76%、8.20%和 0.45，均显著 高于 Bottom 组合；（2）多空组合(L-S)整体呈不断上升趋势，年化收益率、Sharpe 比率和卡玛比率分别为 17.60%、 1.63 和 1.95，显示出该因子具有较好的分组能力；（3）该因子体现出了一定的单调性，年化收益、卡玛比率和夏 普比例均呈现出了一定的单调性。

供给端中心性

我们在沪深 300 指数成分股中根据供给端中心性的变化值来进行选股。可以看出虽然 Top 组合与 Bottom 组合 还是体现出了一定的区分度，但是区分度并不明显，且不同组之间没有单调性。

4.2 中证 500

客户端中心性

由下面的图表可以看到，Top 组合的区间总收益率、区间年化收益和卡玛比率分别为 35.09%、6.91%和 0.23， 均显著高于 Bottom 组合；多空组合(L-S)在 2020、2021 年呈不断上升趋势，但稳定性不足，在其他年份没有显著 的超额收益。整体来看，该因子在中证 500 的分组效果不及在沪深 300 的分组效果显著。

供给端中心性

最后，我们在中证 500 指数成分股中根据供给端中心性的变化值来进行选股。与在沪深 300 成分股中的回测

结果类似，可以看出虽然 Top 组合与 Bottom 组合还是体现出了一定的区分度，但是区分度并不明显，且不同组之间没有单调性。

五、在不同产业链下的选股策略回测

前面四章中我们介绍了如何把中心性的概念应用到供应链网络中，提出了通过计算供应链网络中心性的边际变 化来进行选股的思路，并将该思路运用在沪深 300、中证 500 指数成分股中进行分组的测试，验证了该思路的有效 性。

近年来，随着产业分工的精细化要求，产业链的发展可以优化资金、技术、人才、资源的市场配置，国家越来 越重视产业链的相关研究。与此同时，俄乌冲突引发的能源危机，碳中和基调下全产业链的崛起等热点引起了资本 市场对产业链投资极大的关注。

产业链和供应链具有很强的相似性，他们都是基于企业的实际活动而开展，因此两者统一于企业的经营生产中。 早在 1958 年，美国经济学家 Hirschman 从产业关联的角度出发，提出产业有向前联系和向后联系的概念，被视为 供应链的起源。Crook 等（2007）认为产业链与供应链两者在形态上都表现为链式结构，链上各主体间存在着某种 联系，链上的活动都是以价值增值为目的，且都是以市场需求为驱动。

基于产业链和供应链在结构形态上的相似性，我们自然而然的想到把具体的供应链数据应用到产业链中，构成 产业链网络。同时，我们认为与沪深 300、中证 500 等宽基指数成分股相比，产业链企业成员之间往往对其在产业 链中的重要性更加敏感，处于产业链中心地位的企业更容易利用自身的产业地位获取竞争优势。因此，在这一章中， 我们尝试将第三章介绍的基于供应链中心性的策略应用到具体的产业链中，测试该思路在细分产业链中的选股效果。 这里，我们选择了近几年景气度较高、受市场关注度较高的新能源汽车产业链与光伏产业链进行展示。

5.1 新能源汽车产业链

受益于国家政策支持与引导，近几年新能源汽车产业链飞速发展，产业技术水平进步明显，在产业发展的同时 诞生了如比亚迪、宁德时代等产业链龙头公司。目前，我国的新能源汽车产业在全球实现引领，且未来行业产生盈 利回报的确定性非常强。作为未来五到十年将飞速发展的长坡景气赛道，新能源汽车产业的发展必将受到市场投资 者持续的关注跟踪。

新能车产业链纵向延伸较长，我国已经在过去十年的政策支持下逐步建立起较完备的新能源车产业链。新能源 汽车行业的产业链可以分为上、中、下游三个部分，上游指的是有色金属及其他核心零部件相对应的原材料，以锂 资源和钴资源为主；中游为新能源汽车所有零部件的生产制造，其可进一步细分为零部件的所需材料及相关零部件 的生产制造，主要有动力电池、电池材料、电机电控、汽车零部件、锂电设备等；下游为整车制造和充电桩等板块。

我们尝试以新能源汽车指数（884076.WI）为基准，并以各期指数成分股（半年调整一次）作为选股样本池， 连接成分股的供应商或者客户，构建新能源汽车产业链网络，最后计算每个成分股的客户中心性、供给中心性。下 图是我们根据 2022 年 6 月 30 号的供应数据，画出了新能源汽车产业链网络，越靠近图中中心位置，代表其与下游 客户的联系越紧密。图中我们分别标出了产业链上、中、下游的龙头公司：赣锋锂业、宁德时代、比亚迪所在的位 置。

接下来，我们以半年为维度，测试新能源汽车产业链中中心性提升的个股的表现。在这里，我们对于中心性的 算法、企业之间距离的设定均与第三节中的设定保持一致。样本回溯期为 2019H1 至 2022H1，股票权重为等权方式， 每半年结束后第 1 个交易日进行组合调整。 从第三节对全市场的分组测试中我们可以看到，中心性变化因子对 Up 组合和 Bottom 组具有较好的分组效果， 但是在其他组的单调性较差。因此，我们选择中心性提升前 10%的股票作为中心性提升的组合，将后 10%的股票定 义为中心性降低的组合。

客户端中心性

我们首先根据客户端中心性的变化来进行选股。可以看到，客户端中心性显著提高的股票，其回测区间总收益 为 231.59%，年化收益为 40.85%，夏普比为 0.98，卡玛比为 0.88，均显著高于新能源汽车指数；而中心性降低的 股票组合则显著的跑输基准，其回测区间总收益仅为 38.47%，年化收益为 9.75%，夏普比为 0.20，卡玛比为 0.17。

此外，考虑到网络中心性是个低频指标，其对公司的影响可能不会立竿见影，更多是对产业格局深层次的影响。 因此，我们也计算了所选股票的长期收益表现。下表中我们列出了中心性提高的公司其一年、一年半、两年的收益 情况。平均来看，一年区间平均收益 32.77%，其相对于新能源汽车指数（884076.WI）区间平均超额收益 0.93%； 一年半区间平均收益 53.64%，相对于指数的区间平均超额收益 5.26%；两年区间平均收益 79.18%，相对于指数的 区间平均超额收益 18.36%。

供给端中心性

接下来，我们根据供给端中心性的变化来进行选股。可以看到，在新能源汽车产业链中，供给端中心性提高的 股票组合并没有更高的收益，其走势与新能源汽车指数较为接近。而对于供给端中心性降低的组合，其收益表现同 样低于供给端中心性提高的股票组合，但其相应的风险也较低，波动率和最大回撤均小于中心性提高的组合。

5.2 光伏产业链

除了新能源汽车产业链，近几年为应对全球变暖、实现“碳中和”的目标，光伏产业受到各国政府高度重视， 被视为新能源发电最具潜力的方式之一。随着技术进步带来的成本下降，国内外市场需求逐步释放，给行业带来了 重大利好，光伏发电的经济性愈加显著，光伏产业链的发展也越来越得到资本市场的重视。

光伏行业属于产业集中度较高的行业，主原料链中产量产能位前列的中国上市企业实力强劲，全面覆盖上、中、 下游多个环节，光伏全产业链基本实现国产化，各环节均处于全球领先地位。光伏主产业链包含硅料、硅片、电池、 组件以及光伏电站五大环节，五大环节同时还有配套的设备和耗材供应链。上游工业硅粉制造属于化工行业，下游 光伏电站运营属于电力行业。以下是各环节中重要的 A 股龙头上市公司名单。

硅料：通威、大全、协鑫、新特。 硅片：隆基、中环、晶澳、晶科、协鑫。 电池：通威、爱旭、晶科、晶澳、日升。 组件：晶科、晶澳、隆基、阿特斯、日升。 设备：捷佳、迈为、晶盛、金辰等。 玻璃：信义、福莱特。 逆变器：阳光电源、锦浪科技、上能电气。

与前一节类似，我们这里也是尝试以光伏指数（884045.WI）为基准，并以各期指数成分股（半年调整一次） 作为选股样本池，连接成分股的供应商或者客户，构建光伏产业链网络，最后计算每个成分股的客户中心性、供给 中心性。下图是我们根据 2022 年 6 月 30 号的供应数据，画出了光伏产业链网络图。

接下来，我们同样以半年为维度，测试光伏产业链中中心性提升的个股的表现。在这里，我们对于中心性的算 法、企业距离的设定均与第三节中的设定保持一致。样本回溯期为 2019H1 至 2022H1，股票权重为等权方式，每半 年结束后第 1 个交易日进行组合调整。我们同样选择中心性提升前 10%的股票作为中心性提升的组合，将后 10%的 股票定义为中心性降低的组合。

客户端中心性

我们首先根据客户端中心性的变化来选股。可以看到，客户端中心性显著提高的股票，其回测区间总收益为 475.97%，年化收益为 64.91%，夏普比为 1.45，卡玛比为 1.49，均显著高于其基准光伏指数；而中心性降低的股 票组合则跑输原本的光伏指数。

同样的，这里我们列出了中心性提高的公司一年、一年半、两年的区间收益情况。平均来看，一年区间平均收 益 58.00%，相对于基准光伏指数（884045.WI）区间超额收益 16.27%；一年半区间平均收益 87.57%，相对于基 准指数区间超额收益为 24.19%；两年区间平均收益 136.99%，相对于基准区间超额收益为 52.38%。

供给端中心性

接下来，我们也是根据供给端中心性的变化来进行选股。可以看到，供给中心性的变化对股票收益的影响是比 较小的，无论是中心性提高或者中心性降低，其年化收益与光伏指数收益较为接近。

六、总结

随着投资者对供应链 alpha 的不断挖掘并验证其有效性，市场对供应链投资主题的关注度也在逐步提升。投资 者渐渐达成共识，认为上市公司并不是独立的个体，而是彼此相互关联，相互影响，可以从上市公司的供应关系网 中挖掘出隐藏的投资机会。作为供应链投资系列报告的第三篇，本报告采用秩鼎公司提供的供应链数据，将研究重 点聚焦在供应链网络结构的中心性，创新性的提出客户端中心性与供给端中心性，并探索根据中心性的变化在不同 股票样本池内的选股表现。本报告的主要结论如下：

中心性（Centrality）作为网络结构分析的重要指标之一，量化了节点在整个网络中的中心程度，一般被用 来衡量节点在网络结构中的重要性或者影响力。一般认为，一个节点的中心性越大，该节点在整个网络结构 的重要性越强，反之则认为该节点处于网络结构的边缘位置，对网络结构的重要性较低。

供应链关联度数据覆盖度提高，可应用于量化选股中。近几年，上市公司主动披露其供应关系的意愿提高， 越来越多的上市公司选择在定期报告中披露自己的供应关系。同时，秩鼎公司通过反向披露、股权穿透等技 术方法显著提高了供应链关联度数据的覆盖度。

供应链网络存在两个基础特征：1、 企业之间的供应关系是存在方向的。供应关系是由一个公司向另一个公 司提供产品或者服务，因此我们将中心性区分成客户端中心性（customer centrality）和供给端中心性 （supplier centrality）。2、企业之间的供应关系可能是有强弱之分的。有的企业之间供应关系联系较为紧密， 有的供应关系联系则较为疏远。我们将两个公司之间的距离与两者之间的供应关联度挂钩。

根据客户端中心性的变化值在沪深 300 指数成分股中进行选股效果较好，多头组合具有显著的超额收益， 且具有一定的单调性；将该因子应用于中证 500 指数中对股票收益具有一定的区分度，但稳定性略显不足。

新能源车产业链纵向延伸较长，我国已经在过去十年的政策支持下逐步建立起较完备的新能源车产业链。我 们根据客户端中心性的变化值在新能源汽车产业链来进行选股。客户端中心性提高的股票组合，其回测区间 总收益为 231.59%，年化收益为 40.85%，夏普比为 0.98，卡玛比为 0.88，均显著高于新能源汽车指数； 而中心性降低的股票组合则显著的跑输基准，其回测区间总收益仅为 38.47%，年化收益为 9.75%，夏普比 为 0.20，卡玛比为 0.17。

光伏行业属于产业集中度较高的行业，主原料链中产量产能位前列的中国上市企业实力强劲，全面覆盖上、 中、下游多个环节，光伏全产业链基本实现国产化，各环节均处于全球领先地位。我们根据客户端中心性的 变化值在光伏产业链来进行选股。客户端中心性显著提高的股票组合，其回测区间总收益为 475.97%，年化 收益为 64.91%，夏普比为 1.45，卡玛比为 1.49，均显著高于其基准光伏指数；而中心性降低的股票组合则 跑输原本的光伏指数。

编辑：JACK