0 引言 随着经济一体化的发展，金融全球化和自由化趋势的日益增强，各国、各地区的股票市场也逐渐由分割走向联动。在市场国际化的背景下，资本市场开放是我国对外开放政策的主要内容之一。2014年11月17日沪港股票市场交易互联互通机制试点（简称“沪港通”）的实施，标志着沪港两市之间互通互投的实现，推动了我国资本市场双向开放的进程。随后，2016年12月5日深港股票市场交易互联互通机制试点（简称“深港通”）也顺利开通，实现了深港两市之间的互通互投，进一步深化了沪深港三地股票市场在资本市场中的合作与协调发展。“沪港通”和“深港通”作为我国内地资本市场的重大制度创新，推动了A股市场成功纳入MSCI新兴市场指数，对于优化我国A股资本市场投资者结构，提高资本市场效率具有重大意义[1]。 “沪港通”和“深港通”政策实施后，沪深港股票市场间关联性日趋紧密，而准确刻画沪深港股票市场间复杂的关联性，并分析其演化特征，对维持沪深港股票市场的稳定具有重要的价值。目前，已有学者对沪深港股票市场之间的关联性进行了研究。郭文伟和陈妍玲[2]发现沪深港股票市场之间的危机传染效应随一体化程度的提升而增强。方艳等[3]、Ma等[4]基于上证综指、深证成指和恒生指数，研究“沪港通”开通前后股票市场之间联动性的变化，并得出“沪港通”的开通没有使得沪港两市之间的动态相关性显著增强。姚尧之和刘志峰[5]基于DCC-MIDAS模型，研究混频条件下股票市场之间的动态相关性，结果表明“沪港通”开通对沪深港股票市场的联动性起积极作用。林祥友等[6]、秦国骏和刘传江[7]从微观的角度开展研究，发现“沪深港通”的开通促进了AH股市场收敛。然而，现有文献大多是研究沪深港股票价格波动之间的联动性。 近年来，投资者情绪作为行为金融学理论研究的重要组成部分，已经吸引了广大学者的关注[8-13]。特别地，已有研究表明重大事件会导致投资者情绪波动，进而影响股票价格。例如：Valle Cruz等[14]、Sun等[15]、Liu等[16]研究发现，COVID-19流行期间投资者情绪对股票价格的影响更为显著。Addoum等[17]以政治气候的变化作为投资者情绪的代理变量，实证分析了执政党变化对股票价格的影响。杨晓兰等[18]从投资者情绪的角度研究我国股市的政策效应，实证分析了五类政策对股票市场的影响。于博和吴菡虹[19]开展了互联互通政策带来的市场情绪联动效应的研究，发现“沪港通”和“深港通”的开通提高了沪港之间以及深港之间的情绪联动水平。然而，目前有关沪深港股票市场价格联动性和投资者情绪联动性的研究仍处于较为割裂的状态。为了进一步深化互联互通政策下沪深港股票市场间关联性演化分析的研究，本文将同时考虑沪深港股票市场价格层面和投资者情绪层面的联动性。 随着网络科学的蓬勃发展，复杂网络理论因其可以更好的揭示金融市场内部拓扑结构及演化过程，已被越来越多的学者应用于股票市场关联性的研究中。例如：王克达等[20]、Corsi等[21]构建格兰杰因果风险网络，研究系统性风险的传染过程。马亚明和胡春阳[22]构建极端风险网络，分析极端风险关联性的演化特征。Li等[23]、Long等[24]、周开国等[25]构建信息溢出网络，研究不同时期波动率、极端风险、尾部风险等信息的溢出效应。李岸等[26]、Ji等[27]基于动态条件相关系数构建关联网络，进而分析市场关联性的演化情况。刘海飞等[28]、谢赤等[29]、李延双等[30]、Huang等[31]构建Pearson相关关系网络，探索不同时期股票市场的结构特征及稳定性。刘超和郭亚东[32]、Li和Dong[33]基于市场联动模式构建市场联动模式转换网络，探索不同时期市场关联性的转换规律。但是，由于股票之间存在着多种关联关系，因而传统的单层网络方法已难以准确刻画现实的股票市场。近年来，能够同时考虑多种不同关系的多层网络方法倍受学者们的关注。Aldasoro和Alves[34]利用欧洲大型银行之间的风险披露数据，构建多层网络模型，以刻画欧洲大型银行网络多重结构的主要特征。Li等[35]基于银行与公司之间的短期借贷关系和长期借贷关系，构建银行-公司多层网络模型，进而研究其系统性风险。马钱挺等[36]基于银企间不同贷款期限的借贷关系以及不同投资周期的共同资产关系，构建多层网络模型研究银企系统性风险。李守伟等[37]基于Pearson相关、Kendall相关以及Tail相关，构建金融机构多层网络模型，实证分析了金融机构多层网络结构演化特征。然而，至今鲜有文献聚焦沪深港股票市场，从多层网络的视角出发，研究沪深港股票市场的关联性演化特征。 综上所述，本文构建了沪深港股票市场多层网络模型，进而研究互联互通政策对沪深港股票市场关联性的影响。本文的主要工作有以下两点：第一，从多层网络视角出发，同时考虑沪深港股票市场收益率间的相关性和投资者情绪间的相关性，构建沪深港股票市场多层网络模型。第二，基于不同的复杂网络拓扑特征描述指标，从静态和动态两个方面出发，探讨不同时期沪深港股票市场内部拓扑结构的变化，分析不同时期收益率间相关性与投资者情绪间相关性的异同，以及不同时期收益率与投资者情绪之间交互关系的演变情况，揭示沪深港股票市场关联性的演化特征。
