运用社会网络分析法在大数据环境下挖掘民间融资网络

摘 要：随着社会经济的发展，民间融资日益普遍，资金盘越来越大，其中涉及人员众多，在促进经济发展的同时也给银行带来不可忽视的风险，且风险呈扩大趋势。基于此，本文基于民间融资网络的特点即检查难点，运用社会网络分析法在大数据环境下可视化展示民间融资网络、旨在提高银行对民间融资网络渗透风险的防控效果。

关键词：社会网络分析法;大数据;民间融资网络;风险

目前，随着经济环境变化，民间融资现象日趋严重，资金交易涉及人员众多，银行的授信客户和员工的参与导致了风险向银行蔓延。针对大数据环境下，日常检查中挖掘民间融资网络的困难，笔者从事银行审计工作，经过近年来的探索，运用社会网络分析法在大数据环境下将民间融资网络进行可视化的图形展示、分析，锁定检查重点，取得了良好的效果。

一、民间融资网络的特点和检查遇到的困难

随着宏观经济处于下行周期，社会融资难的矛盾较为突出，从而催生了日趋庞大的民间融资市场，由于利益驱动，银行的信贷客户或员工参与民间融资的现象并不鲜见，民间融资网络的资金风险向银行蔓延的风险隐患需引起高度关注。

目前民间融资网络呈现出三个新特点给银行日常防控带来了不少困难。仅通过单点、单线分析，很难掌握民间融资网络的全貌，需要适应大数据环境下，挖掘和分析民间融资网络的新挑战。一是民间融资交易网络化，民间融资现象不再局限于个别地区、个别人员之间，而是呈现出日趋庞大，涉及人员众多，资金交易频繁的网络化结构态势。资金交易不再是线性的，而是分布式的。二是民间融资行为中介化，民间融资逐渐从个人与个人之间、企业与企业之间的直接交易演化成为多方参与的复杂交易模式，社会上各类财富管理公司、理财公司，以及网络上的P2P平台都通过各种形式吸收资金参与民间融资网络。仅仅关注少数账户的交易可能会忽略重大线索。三是民间融资网络交易渠道多样化，支付结算手段的发展，使得资金可以在各家银行之间，通过各种渠道方便快速的流动，导致审计线索容易中断，提高了银行管控民间融资网络的难度。

二、思路与方法

针对上述民间融资网络发展的新特点和带来的困难，笔者尝试运用社会网络分析法（简称SNA）在现有数据的基础上，将复杂交易网络的数据进行分析、归纳，并进行图形化展示，确定审计重点，取得了良好的效果。以下简单介绍思路与方法：

1.社会网络分析法简介

社会网络分析法（SNA）是目前较为流行的研究一组行动者的关系的研究方法。一组行动者可以是人、社区、群体、组织、国家等，他们的关系模式反映出的现象或数据是网络分析的焦点。这一方法有两个重要特点：可视化和可测量。而银行客户间的交易关系本质上是社会关系网络的一个子集，社会网络分析方法可以应用在客户间的交易关系分析上。

2.使用工具介绍

SQL数据库客户端：提取数据，进行交易数据的整理、加工;

Pajek：社会网络分析工具，根据交易数据，分析和生成子网络数据文件;

Graphviz：根据网络文件生成可视化图片。

3.流程图

4.实现步骤

（1）数据整理

社会网络分析需要的三个要素，分别为节点，关系和特征。与民间融资网络相对应，需要整理的数据为：个人（节点）、资金往来（关系）和金额（特征）。需要将分行的一定时间区间内的个人间交易数据按上述要求进行整理。实践中，首先选取了个人5万元（含）以上的交易明细，然后用客户号加名字作为节点，进行汇总，形成节点A转账至节点B累计金额的二维数据。最后从数据中将二维数据提取出来，形成符合社会网络分析分析需要的网络数据文件。

（2）网络化分析

将上述网络数据文件导入到Pajek分析工具中，根据设定的规则，如5个节点以上的网络，进行子网络发现和提取，工具将会将网络数据切分为一个个独立的子网络文件。

（3）生成可视化交易网络图

将子网络文件整理成符合Graphviz可视化展现工具所需的格式，通过该工具把数据转化为直观的图形展示，可以根据需要标注节点和线条的色彩，加以区分。

（4）确定重点延伸检查

根据网络关系图展现出来的关系，重点选择作为交易关系中心的聚集核心节点、大网络中兩个子网络的桥节点、交易金额比较大、节点数众多的子网络等，对这些节点对应客户的背景和交易情况进行重点追踪排查。

审计检查中，应重点关注授信客户关系人、员工及员工家属涉及的子网络，结合账户流水，授信情况和资金流向进行深入排查。

（5）明确风险因素关系

明确的风险因素作为网络节点，节点间存在关联。通过德尔菲法研究风险之间的关系。为尽量降低由于专家的主观判断引起的评估误差，本文仅采用“存在影响”和“不存在影响”这两种非选项。使用二进制0-1矩阵（风险结构矩阵，RSM）来表示风险因素之间存在的各种相互作用。假设存在风险因素X，风险因素Y，0表示X对Y无影响。1表示X对Y有影响。风险之间的关系与项目具备的不同特点有关，因此，在确定风险因素之间的关系时需要根据实际项目特点进行Delphi研究。通过访谈调查，结合调查结果可为风险因素之间的关系分配值。影响值是：X不会影响Y = 0，而X会影响Y = 1。其中X是影响的实施方，而B是影响的接收方，因此，因素之间的关系通过下列式子描述：

Mij= 1，第 i 行因素对第 j 列因素产生影响;0，第 i 行因素不会对第 j 列因素产生影响

通过调查获得的数据可以用于模型，获得风险因素结构矩阵，关系调查具有有向性，因此所得到的邻接矩阵不对称，对角线为0。

（6）融资风险社会网络分析指标

1）网络密度

社会网络分析方法计算“图密度”以显示网络图的紧密程度。通过计算社会网络图中边数（代表关系数）和节点数来求解社会网络图密度。如果每个节点均存在关联节点，并且没有孤立的节点，则社会网络图是完备的。如本次研究获得风险因素结构试验E0密度为0.5184> 0.500，边数108。这表明该社会网络风险密度超出平均值，并且风险因素之间存在紧密关联，且相互作用。

2）网络社区图

将明确的风险因素作为网络的节点，各因素之间的关系用连线表示，节点、连线构成风险因素网络，这些风险因素决定了民间融资项目的风险，因为本文研究的风险之间的关系是有方向性的，指代的因果关系是有方向性的。因此，可以利用Ucinet 6.0（用于社交网络分析的软件）的可视化功能绘制网络社区图。图1显示了获取的融资风险网络社区图。通过为节点分配Degree值，节点的大小反映了该节点与其他节点的关联紧密度，箭头指示影响的转移关系，连接密度表示网络关系的紧密度。

三、审计成果

笔者在日常审计检查中，运用上述检查方法，发现了部分参与人数较多、交易金额庞大的民间融资网络，个别银行员工参与其中，也存在着较严重的失范行为，简要介绍如下：

1.员工参与的民间融资网络

在A分行的检查中，发现了多名员工参与民间融资的网络：如，多名员工归集资金，通过投资有限合伙企业等方式，参与民间融资网络，从事资金借贷;个别员工及亲属账户与分行合作的担保公司及关联人、担保公司群内关联企业存在大额异常往来;B支行部分员工参与以客户M为核心的民间融资网络，交易金额较大，该网络涉嫌通过支行的小企业客户套取信贷资金。

2.以资金掮客为核心与沃德客户、员工组成的飞单网络。

在C分行的检查中，发现了一个以离职的理财经理和民间资金掮客为核心的庞大民间融资网络。H支行的少数员工和多名该支行的沃德客户参与其中，网络中的资金往来金额巨大，主要用于参与民间投资活动，获取高收益，其中不排除存在客户经理介绍客户参与投资的“飞单”情况。

四、扩展应用

社会网络分析法重点关注节点之间的网络关系，从而帮助审计在大数据环境中快速地确定审计重点。审计检查中，除了用于挖掘民间融资网络外，只要数据符合节点、关系和特征三个要素，都可以使用该方法进行分析并直观展示。如，客户股权或者交易对手形成的关联关系网络;企業之间的担保情况组成的担保网络;信用卡养卡套现形成的还款网络;客户集资购买理财产品并分配收益形成的资金网络等等。

参考文献

[1] 约翰.斯科特. 社会网络分析法（第2版）[M]. 重庆大学出版社， 2009.

[2] 董梁， 胡明雅. 基于社会网络分析法的P2P网络信贷研究评述[J]. 武汉理工大学学报（信息与管理工程版）， 2016， 38（004）：508-511.

[3] 王营， 曹廷求. 中国区域性金融风险的空间关联及其传染效应——基于社会网络分析法[J]. 金融经济学研究， 2017， 032（003）：P.46-55.

作者简介：倪思嘉（1986-），男，上海人，交通银行股份有限公司审计监督局，高级审计，研究方向：大数据审计，社会网络化分析。