中国异质信用体系的网络子图

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Network Subgraphs of the heterogeneous Chinese credit system》
---
作者：
Yingli Wang, Qingpeng Zhang, and Xiaoguang Yang
---
最新提交年份：
2019
---
英文摘要：
  In this study, we investigate the evolution of Chinese guarantee networks from the angle of sub-patterns. First, we find that the mutual, 2-out-stars and triangle sub-patterns are motifs in 2- and 3-node subgraphs. Considering the heterogeneous financial characteristics of nodes, we find that small firms tend to form a mutual guarantee relationship and large firms are likely to be the guarantors in 2-out-stars sub-patterns.
---
中文摘要：
在本研究中，我们从子模式的角度考察了中国担保网络的演变。首先，我们发现在2节点子图和3节点子图中，相互子图、2-out-star子图和三角形子图是基序。考虑到节点的异质性财务特征，我们发现小企业倾向于形成相互担保关系，而大企业很可能是二星模式下的担保人。
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Computational Engineering, Finance, and Science        计算工程、金融和科学
分类描述：Covers applications of computer science to the mathematical modeling of complex systems in the fields of science, engineering, and finance. Papers here are interdisciplinary and applications-oriented, focusing on techniques and tools that enable challenging computational simulations to be performed, for which the use of supercomputers or distributed computing platforms is often required. Includes material in ACM Subject Classes J.2, J.3, and J.4 (economics).
涵盖了计算机科学在科学、工程和金融领域复杂系统的数学建模中的应用。这里的论文是跨学科和面向应用的，集中在技术和工具，使挑战性的计算模拟能够执行，其中往往需要使用超级计算机或分布式计算平台。包括ACM学科课程J.2、J.3和J.4（经济学）中的材料。
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Network_Subgraphs_of_the_heterogeneous_Chinese_credit_system.pdf (309.72 KB)

2022-6-10 03:32:18 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：信用体系 Applications Quantitative relationship Mathematical

异构中国学分制网络子图Yingli WANGa，b，Qingpeng ZHANGc，*和Xiaoguang YANGa，b，*a MADIS，中科院数学与系统科学院b中科院大学c香港城市大学数据科学学院yinglwang5-c@my.cityu.edu.hk青鹏。zhang@cityu.edu.hk xgyang@iss.ac.cn摘要：本文利用2007年1月至2012年3月的五年真实数据，分析了异质中国担保网络的子图。我们识别了2节点子图和3节点子图中的基序，并发现企业有特殊偏好来形成相互、三角形和双星担保关系。具体而言，我们考虑了企业的异质性，并确定资产相对较大的企业倾向于形成二星级的子模式，而小企业倾向于形成相互担保关系。我们的结果让政策制定者从网络子图的角度深入了解中国担保公司的偏好行为，并为未来的政策制定提供结构设计指导，以减少担保网络的潜在违约和传染风险。关键词：异构复杂网络；网络母题；函数子图；违约风险；风险传染1。导言金融网络代表一系列实体（即公司、银行、贸易或金融交易所），通过互利的业务关系联系在一起[1、2]。特别是两个公司之间的担保关系，代表一家公司（担保人）在借款人公司未能履行其贷款（违约）法定义务时承担该公司债务义务的责任。通过这种相互依存关系，企业之间形成了一个担保网络。

贷款担保可以提高企业的融资能力，尤其是中小型企业/企业（SME），从而促进经济好转期的快速增长。*本研究得到了国家科学基金71532013和71672163的资助。*利益声明：无。*作者贡献：Y.W.、Q.Z.和X.Y.设计研究；Y、 W.和Q.Z.分析数据并进行研究；Y.W.、Q.Z.和X.Y.写了这篇论文。*作者声明没有利益冲突。*Y、 W.、Q.Z.和X.Y.对这项工作做出了同等贡献。*通信地址应为谁。电子邮件：xgyang@iss.ac.cn; 青鹏。zhang@cityu.edu.hkIn本文从企业间的担保关系出发，探讨了中国担保网络的时间性和异质性。我们更关注担保网络的基本局部结构，特别是网络中15个不同子图（2个不同的2节点子图和13个不同的3节点子图）的动态出现频率。此外，我们研究了这15种不同模式的财务特征，发现大公司很可能以2星级模式作为担保人，而小公司可能通过相互担保获得贷款。此外，据我们所知，这是第一次利用子图分析解决担保网络违约风险和传染风险问题，发现担保网络中的最优局部结构为双星和单链模式。我们对动态异质中国贷款担保网络的局部子图分析是中国担保体系风险管理的有效方法。

我们的实证研究结果将有助于研究现实世界异质金融系统的子图分析，也有助于为决策者制定更好的战略，以识别具有高违约风险和传染能力的公司。2、相关工作许多复杂网络具有相同的全局统计特征，如无标度度分布[3]，小世界特性[4]，高聚类系数[40，60]。下面将详细解释这些全局属性。如果网络中的度分布遵循幂律，p(k)~k-λ [5]. 然后我们将其命名为无标度网络，这表明节点仅连接到少数边，而存在少数与其他节点紧密连接的中心节点。此外，许多真实网络通常表现出相对较小的平均最短路径长度，这表明了小世界特性[6-8]。至于高聚类系数，它衡量节点的邻居彼此相邻的程度。在现实网络中，节点可能会形成这样的三元组，从而导致网络的平均聚类系数更高。在社交网络中，它指的是“朋友的朋友也是朋友”的趋势[9，10]。值得注意的是，具有相似全局特征的网络可能具有显著不同的局部结构，或者具有完全不同全局特征的网络可能表现出相似的基本结构【11】。事实上，许多研究表明，全局拓扑性质（小世界特征、高聚类系数和无标度特征）与关键的局部子图之间可能存在某种关系[12]。因此，为了全面了解特定网络，局部特性与全局特性同等重要。

与全局拓扑相比，子图的相对频率是局部结构特性的统计，可以通过网络基序检测来计算。基序是反复出现的小连接子图或模式，在特定网络中显示的频率明显高于随机网络的预期频率【11，13】。最近，这种方法被广泛用于发现网络的基本构建块。例如，在生物化学、神经生物学、生态学、工程食物网、神经网络和万维网的网络中已经发现了基序[14-18]。3、数据和子图在本研究中，我们从一家中国金融机构获得了一个全面的贷款担保记录数据集。专有贷款担保数据集收集自中国19家主要银行，即最大的5家国有商业银行、12家股份制商业银行和两家主要政策性银行（即中国进出口银行和中国国家开发银行）。特别是，我们的数据集涵盖了全球金融体系中的两个重要事件：2007-2008年全球金融危机和2008年11月至2010年12月中国经济刺激计划的实施。作为两个罕见的自然实验，这些事件为研究极端外生冲击下担保网络的变化提供了很好的机会。从局部子图的角度来看，具有不同结构性质的子图的组合导致了网络的复杂性。为了揭示担保网络中的组合模式，采用了2节点和3节点有向子图，如下所述。图2有向网络中大小为2和3的所有子图。在图2中，我们展示了用于我们研究的2个和3个节点之间由有向边表示的保证关系。

总共有2种类型的2节点子图和13种类型的3节点子图。4、中国担保网络母题检测的结果与讨论在本节中，我们考察了担保网络的静态母题检测。我们分析了每个月形成的担保网络的主题，并对整个期间进行了总结。担保网络的主题如表1所示。表1中索引的一些解释如下所示，图2显示了基序的具体子图。1） 频率[原始]表示实际担保网络中特定子图的频率。2） Mean Freq[随机]是随机网络中特定子图的平均频率。3） SD[随机]表示随机网络中平均频率的标准偏差。4） Z分数是真实网络中的频率减去随机频率除以标准差，因此Z分数越大，子图的统计意义越大。5） p值范围为0到1。p值越小，基序越显著。表1 63个担保网络的平均motif检测。TypeFrequency[原始]平均频率[随机]SD[随机]Z-scorep-value0.8562520.9999793.05E-05-5041.850.1437482.1E-053.05E-055044.1480.4709670.4615716.27E-061530.450.183560.1921288.08E-06-1134.720.1620210.1730169.76E-06-1197.040.0588560.0683751.08E-05-957.5710.0766540.0864168.14E-06-1241.670.0169961.71E-051.15E-051606.410.0011074.49E-071.87E-06614.28380.013990.0184693.52E-06-1328.60.0041243.54E-065.21E-06865.90480.0026911.51E-063.44E-06816.28110.0048841.72E-063.66E-061372.920.003341.66E-063.59E-06968.86210.0008113.69E-099.51E-083186.1图。3根据Z分数对motif进行排序（从高到低）。首先，担保网络中有九个主题（类型2、3、8、9、11、12、13、14和15）。

根据motif检测方法，特定motif的Z值越大，则表示该子图在真实网络中越普遍。因此，在图2中，我们按照Z分数从高到低对九个基序进行排序。因此，图2（a）和（b）分别显示了2节点子图和3节点子图中的基序，其中基序按Z分数从高到低排序。因此，从图2中，我们可以看到2家和3家公司最喜欢的当地担保模式。其次，众所周知，网络母题是担保网络中的企业之间比随机网络中的企业之间显著重复的互连模式，也就是说，担保网络中的母题可以代表企业在形成担保关系时的偏好行为或偏好模式。具体而言，类型2的主题表明，企业之间普遍存在相互担保。类型2的图案代表了双星担保模式的流行。三角形保证关系的重现性可以通过类型8、9、11、12、13、14和15的基序发现。5、结论据我们所知，我们是第一个从局部结构的角度分析异质和动态担保网络的人。首先，我们在中国担保网络中发现了统计上重要的子图和功能上重要的子图。担保网络中的公司特别倾向于形成当地相互关系和三角关系。此外，网络基序已广泛应用于生物化学、神经生物学、生态学和工程系统[14-16][17，18]，这些系统被视为具有同等目标的同质网络。相反，我们担保网络中的公司是异质的。

因此，我们进一步分析了企业财务属性与有利子图之间的相关性。我们发现，大公司倾向于以二星模式作为担保人，而小公司则倾向于形成相互担保关系以获得银行贷款。此外，我们还展示了一种如何在担保网络中快速定位高违约公司的方法。最后，我们发现单链子图和双星子图的传染能力很低。因此，我们的研究可以揭示企业间的优先担保模式，以及减少担保网络违约或传染的最优结构设计。我们的分析可以帮助ZF和银行监控违约利差状况，并为采取预防措施预防和解决系统性金融风险提供见解。参考文献：1。银行业生态系统中的系统性风险Spoledna，S.和S.Thurner，通过系统性风险交易税消除金融网络中的系统性风险。量化金融，2016年。16（10）：第1599-1613页。2、Haldane，A.G.和R.M.May，《银行生态系统的系统性风险》。《自然》，2011年。469（7330）：第351页。3、Barabási，A.-L.和R.Albert，《随机网络中尺度的出现》。《科学》，1999年。286（5439）：第509-512页。瓦茨、D.J.和S.H.斯特罗加茨，《小世界网络的集体动力学》。《自然》，1998年。393（6684）：第440页。纽曼，M.E.，复杂网络的结构和功能。《暹罗评论》，2003年。45（2）：第167-256.6页。Watts，D.J.和S.H.Strogatz，《小世界网络的集体动力学》。《自然》，1998年。393（6684）：第440页。Barthélémy，M.和l.A.N.Amaral，《小世界网络：交叉图片的证据》。《物理评论快报》，1999年。82（15）：第3180页。Newman，M.E.和D.J.Watts，《小世界网络模型的重整化群分析》。物理字母A，1999年。263（4）：第341-346页。瓦茨，D.J。

和S.H.Strogatz，《小世界网络的集体动力学》。《自然》，1998年。393（6684）：第440-442页。Scott，J.，社交网络分析。2017年：Sage。Milo，R.等人，《网络主题：复杂网络的简单构建块》。《科学》，2002年。298（5594）：第824-827页。Vazquez，A.等人，《复杂网络的大规模属性和局部交互模式之间的拓扑关系》。国家科学院学报，2004年。101（52）：第17940-17945页。Mangan、S.和U.Alon，前馈环路网络基序的结构和功能。国家科学院学报，2003年。100（21）：第11980-11985页。Shen Orr，S.S.等人，大肠杆菌转录调控网络中的网络基序。《自然遗传学》，2002年。31（1）：第64页。Wasserman，S.和K.Faust，《社交网络分析：方法和应用》。第8卷。1994年：剑桥大学出版社。16、Costanzo，M.C.等人，YPDTM, PombePD公司TM 和WormPDTM: 生物知识的模型生物体体积TM 图书馆，蛋白质信息的综合资源。核酸研究，2001年。29（1）：第75-79页。姜，R.，等，《随机网络中的网络基序识别》。国家科学院学报，2006年。103（25）：第9404-9409页。House，T.，et al.，一种基于主题的网络流行病方法。数学生物学公报，2009年。71（7）：第1693-1706页。