動態(tài)網絡視角下金融領域知識結構發(fā)現與演化研究

周婭 王菲菲 李子陸

[摘 要] 隨著信息化的發(fā)展，金融領域信息量迅猛增加，在此背景下用科學的方法對海量信息篩選加工從而挖掘出潛在的知識價值已成為必要。文章以Web of science數據庫中2000-2016年的金融領域文獻為數據源，基于文獻關聯構建了金融學領域知識的多重關系網絡，通過動態(tài)網絡模型對該網絡的整體演化進行了分析，對網絡中潛在的重要關系和變化進行了識別，為我國金融領域科研的創(chuàng)新工作提供參考。

[關鍵詞] 知識結構；文獻關聯；多重網絡；動態(tài)網絡分析；金融學

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 07. 060

[中圖分類號] F830 [文獻標識碼] A [文章編號] 1673 - 0194（2018）07- 0145- 05

1 引 言

隨著金融業(yè)的快速成長，該領域的知識結構也在隨之發(fā)生變化，且這之間是存在傳承、發(fā)展關系的。因此用科學的方法挖掘網絡中潛在的知識演化和創(chuàng)新過程，對于把握學科領域發(fā)展的全局以及梳理知識發(fā)展脈絡和追蹤新興主題有著重要意義。

在國外，目前比較新的研究是Avkiran N K[1]以金融領域文獻為數據源，采用引文分析法研究作者之間的協作關系對文獻影響力的作用情況；Michayluk D[2]等對四大頂尖金融期刊以及谷歌學術等數據庫中文獻的被引頻次進行回歸分析；Sch？覿ffer[3]采用協同引證分析的方法，對四大頂尖金融期刊上的文獻做相關定量分析。相比之下，國內學者們對金融領域知識的分析方法比較側重于傳統的計量統計，如凌雨濛[4]從統計分析的角度，借助CSSCI數據對我國金融學領域研究概況進行了總結。

隨著對領域知識研究的進一步深入，學者們逐漸認識到知識網絡的復雜性，想尋找一個途徑挖掘更深層次的知識特征，因此有了對動態(tài)網絡分析（DNA）這一新興領域的初步探索，國內DNA研究大多用在專利領域。

劉彤[5]等利用DNA對鋰離子電池領域專利多重關系網絡的演化進行了分析，發(fā)現DNA提高了專利數據分析的全面性與準確性；同年劉彤 等[6]又對納米技術專利進行了DNA研究，結果表明該方法提供的測度方式不僅能識別個體在組織中重要性，更重要是能預測網絡的演化趨勢；而馬寧 等[7]則是將DNA應用到網絡意見領袖的識別研究中，驗證了該方法在意見領袖識別研究中具有可靠性和創(chuàng)新性。

綜上所述，發(fā)現對于金融知識這樣一個復雜且規(guī)模大的知識網絡，傳統統計方法局限性大，研究維度較為單一已滿足不了研究的需要，而DNA可能是一個更好的選擇。但目前國內學者只在專利分析等領域進行了嘗試，對于金融領域知識仍有空白。

故展開本文的研究，旨為該領域傳統的研究分析方法提供一個新視角。另外本文擴充了DNA分析指標，從一個更全面的視角來揭示出金融領域內知識結構的構成與演變，實現領域內熱點知識的識別。

2 動態(tài)網絡理論與應用

2.1 動態(tài)網絡分析

DNA是一個新興的領域，是SNA理論和方法的延伸，Carley及其同事拓展了SNA方法，將知識管理、行為研究及社會網絡技術融入其中，得到了動態(tài)網絡分析方法（DNA）[8]。本文采用的分析工具是ORA軟件，它能夠處理基于人、知識、事務等本體類所構建的元矩陣[9]。

如表1中所示，基于幾個元素定義了一系列相互聯系的網絡，各網絡之間相互作用、相互影響。

2.2 動態(tài)網絡分析的應用

DNA在規(guī)模大且復雜的網絡中有著廣泛的應用，本文的知識網絡的研究也是其應用的范疇。在以文獻為研究對象的研究中，常見的知識結構的構成要素有作者、機構、主題等[10]?；陬I域知識之間存在關聯、繼承、發(fā)展的關系，利用作者、引用和內容等屬性建立知識鏈接，進而構建知識結構網絡[11]。

本文將動態(tài)網絡分析中的相關指標映射到金融知識結構網絡中，利用相應的指標來測度領域知識網絡，下面對相應的指標進行定義說明。

分中的相關指標如表2所示。

2.3 數據獲取

為了研究我國金融領域知識發(fā)展情況，本文以WC=（Business， Finance）作為檢索式在Web of Science數據庫中檢索，時間跨度為2 000年至2016年3月22日，文獻類型為PROCEEDINGS PAPER、ARTICLE和REVIEW，下載文獻27 281篇。本文就27 281篇文獻進行情報挖掘，分析金融領域知識的研究情況。

3 金融領域知識全局網絡構建及分析

了解金融領域知識概況后，緊接著分析其多重關系網絡。通過對多重網絡指標的計算，從網絡規(guī)模、網絡強度、網絡流通性三個方面分析金融領域知識結構網絡整體演化情況。

（1）網絡規(guī)模。網絡中節(jié)點數、關聯關系越多則網絡規(guī)模越大。文中用特定時段內節(jié)點集的節(jié)點數、節(jié)點之間連接數以及知識多樣性來表示。

（2）網絡強度。網絡強度主要是與穩(wěn)定性相關，一般強關系可以持續(xù)較長時間，故穩(wěn)定性較高。文中用總度數中心勢以及網絡能力表示。

（3）網絡流通性。網絡流通性指信息在網絡中的流動情況。文中用特征路徑長度指標對其進行測量。

指標計算結果如表3所示。

結合表3中的研究結果對多重網絡的整體演化情況進行分析，可發(fā)現該領域具有如下特點：

（1）在2000-2016年期間，Agent、Knowledge和Public節(jié)點數以及各網絡之間的連接數均在不斷增加，可判斷整個金融領域知識的網絡規(guī)模在不斷地擴大。文獻發(fā)表數量增加，領域知識面卻沒有明顯的擴大，從“知識的多樣性”指標可看出這點。該指標在2000-2007年間出現小幅增加，之后處于不變狀態(tài)，表明在2007-2008年間金融研究所涵蓋的知識不斷拓寬，之后幾乎達到飽和狀態(tài)。

（2）AA網絡、AK以及KK網絡的總度數中心勢逐漸降低，而在AP網絡、PP網絡中卻呈上升趨勢。一方面表明作者之間的合作越來越分散，從事主導型研究的人群也愈加分散，這有利于促進新核心成員的產生。在一定程度上該現象與知識多樣性的增加相對應，隨著涉及的知識點的增多，必然會稀釋一部分的科研資源；另一方面，發(fā)文的刊物集中度也在提高，表明跨領域的交叉研究是當今學術研究的大趨勢。

（3）雖然隨著網絡節(jié)點個數與連接數在不斷增加，其特征路徑長度隨之逐漸增大，可見網絡規(guī)模大、復雜，其整體的信息傳遞效率會有所降低，網絡流通性不高。

4 網絡結構與重要節(jié)點特征分析

4.1 合作網絡分析

目前，金融領域的研究方向大多掌握在國內外少數的學者手中，本節(jié)利用領域內文獻的耦合關系，以期定位領域知識中“主要合作者”即那些與其他成員具有廣泛聯系的作者。

利用ORA對合作網絡（Agent×Agent）進行分析，獲取Top 8著者的相關信息，如表4所示。

從表4中演化情況看，2000-2003年合作范圍最廣的作者是Yor M、Luo DC等人，2004-2007年，新晉作者Li J排名大幅上升，并一直位于榜首。從合作網絡的整體情況來看，作者Li J、Yor M在近幾年合作最為廣泛，他們的合作網絡值得關注。

4.2 知識網絡分析

知識網絡由文獻著者和關鍵詞構成，通過知識網絡可以了解不同著者所涉及的知識領域，同時達到識別核心主題和新生熱點的目的。

以關鍵詞節(jié)點為對象，通過指標“主導性知識”分析領域的焦點知識，如表5所示。

由上表5可知，2000-2016年間學者們的研究主要集中在模型、績效、信息以及風險，此結果與當前國際的金融環(huán)境是相符合的。隨著自然科學方法逐漸滲透到金融領域研究中，學者逐漸傾向構建模型來分析。隨著信息爆炸時代的到來，信息對稱的一方顯然處于競爭優(yōu)勢地位，故“信息”也成為學者們研究的熱門點。其次，由于受到次貸危機的影響，近年來風險的管理以及金融安全問題也備受關注。

以作者為節(jié)點對象可以分析作者對領域知識的壟斷性。通過指標“知識壟斷性”對網絡Agent-Knowledge進行測度，結果表明：

整體來看，現如今比較具有知識壟斷性的幾位著者分別是Shackelford， DA、Landsman， WR、Wang J以及Bjork T等人。壟斷性越高的著者說明其具有較高的專業(yè)性，實現了新興知識領域研究的零的突破。知識壟斷性高的著者從Hirshleifer D變化為Shackelford、Landsman。Hirshleifer早在2001年就一直從事研究投資心理與資產價格之間的聯系等一些問題，文獻的被引頻次均在100以上，但是于2004年以后在Web of Science上搜索不到他的文獻，這對他的知識壟斷性測度造成了不利影響。

4.3 著者分布網絡

著者分布網絡主要由文獻著者和期刊構成，由著者分布網絡可以挖掘出該領域備受關注的期刊類型，另一個方面也能反映出作者發(fā)文的機構的廣泛度。

對AP網絡進行測度，獲取金融知識領域著者的主要區(qū)域分布，排名結果顯示，金融領域的學術論文發(fā)表主要集中在國際會議、金融數學（Mathematical Finance）等幾個期刊，表明這些期刊在金融界的權威性比較好。近幾年計量學在金融領域應用越來越廣泛，因此計量金融（Quantitative Finance）的排名躍升到榜首。

5 結 論

通過分析金融知識網絡，不難發(fā)現該領域知識規(guī)模不斷增大，所涵蓋的其他領域知識更廣泛。同時也可以發(fā)現隨著網絡時代到來，“知識掌握在少數人手里”的局面逐漸被打破，主導性知識領域不再集中，科研競爭態(tài)勢向著良性發(fā)展。另外，從整體網絡的演化結果看，金融危機此類經濟波動對該領域的發(fā)展起了促進作用，危機的發(fā)生在一程度上引導了金融學科的發(fā)展方向。

其次，聚焦局部網絡，最為突出的是國外學者在領域主導性知識上具有壟斷地位，搶占了創(chuàng)新研究的先機，而我國能對全球金融研究起到導向作用的人才稀缺，處于非常被動的局面。在合作網絡層面上，發(fā)現文獻之間的合作越來越分散，隨著知識的多樣性增強，勢必會稀釋一部分的科研資源，而機構間的合作卻趨于集中，表明跨領域合作是我國近幾年大的發(fā)展趨勢。

通過本文基于動態(tài)網絡對金融領域知識結構的分析，不難看出我國與歐美資本主義國家之間還是存在很大差距的，在健全我國金融市場、加大培養(yǎng)金融方面高端人才上還有很大的提升空間。

主要參考文獻

[1]Avkiran N K. An Empirical Investigation of the Influence of Collaboration in Finance on Article Impact[J]. Scientometrics， 2013， 95（3）：911-925.

[2]Michayluk D， Zurbruegg R. Do Lead Articles Signal Higher Quality in the Digital Age？ Evidence from Finance Journals[J]. Scientometrics， 2014， 98（2）：961-973.

[3]Sch？觓ffer， Utz， Nevries， Pascal， Fikus， Christian， et al. Is Finance Research aNormal Science？ A Bibliometric Study of the Structure and Development of Finance Research from 1988 to 2007[J]. Social Science Electronic Publishing， 2011， 63：189-225.

[4]凌雨瀠. 我國金融領域2001～2009年研究概況分析——基于CSSCI數據[J]. 統計與決策， 2011（6）：96-99.

[5]劉彤， 楊冠燦， 蔣繼婭，等. 基于多重關系的專利網絡演化特征與動態(tài)分析——以鋰離子電池領域為例[J]. 情報學報， 2014（12）：1288-1301.

[6]劉彤， 郭魯鋼， 楊冠燦，等. 基于動態(tài)網絡分析的專利合作網絡演化分析——以納米技術為例[J]. 情報雜志， 2014（11）：88-93.

[7]馬寧， 田儒雅， 劉怡君，等. 基于動態(tài)網絡分析（DNA）的意見領袖識別研究[J]. 科研管理， 2014， 35（8）：83-92.

[8]翟東升， 孫武， 張杰，等. 基于動態(tài)網絡分析的LTE TDD技術專利分析[J]. 情報雜志， 2014（7）：63-69.

[9]Carley K M.Dynamic Network Analysis[M].Saarbrücken，DE：Alphascript Publishing，2003.

[10]郝心寧. 生物育種領域知識結構與知識演化研究[D]. 北京：中國農業(yè)科學院， 2013.

[11]陳雪飛，肖仙桃， 史新艷. 基于文獻的領域知識網絡構建研究[J]. 圖書情報知識，2011（3）：96-102.

[12]李登杰，翟東升，馮秀珍，等. 基于動態(tài)網絡的石墨烯專利技術分析[J]. 情報雜志，2015（10）：52-58.