企業(yè)股權(quán)關(guān)系數(shù)據(jù)價(jià)值挖掘的研究報(bào)告

陳力 交通銀行股份有限公司

企業(yè)股權(quán)數(shù)據(jù)中蘊(yùn)含著巨大的業(yè)務(wù)價(jià)值，而充分利用該部分?jǐn)?shù)據(jù)價(jià)值不僅需要合理的數(shù)據(jù)分析步驟，還需要相應(yīng)的技術(shù)手段。從數(shù)據(jù)清洗、圖譜構(gòu)造到最后的數(shù)據(jù)價(jià)值分析，一步步環(huán)環(huán)相扣，我們結(jié)合圖數(shù)據(jù)庫(kù)找到了一條挖掘企業(yè)股權(quán)數(shù)據(jù)價(jià)值的可行路徑，并以實(shí)際案例進(jìn)行有效的實(shí)踐。

一、數(shù)據(jù)研究及方案制定

一般對(duì)于股權(quán)信息最基本的要求是有公司信息、股東信息以及股東持股比例，其中公司信息和股東信息包含的最小要素為企業(yè)名稱(chēng)和組織機(jī)構(gòu)代碼（或統(tǒng)一社會(huì)征信碼）。

股權(quán)關(guān)系我們可以看作是公司主體作為實(shí)體的關(guān)系信息，即我們?nèi)绻压蓹?quán)關(guān)系進(jìn)行抽象，可以獲取的是代表公司主體的點(diǎn)，以及代表股權(quán)關(guān)系的邊。而這些點(diǎn)和邊最終組成了圖，也就形成了我們最終數(shù)據(jù)需要存儲(chǔ)的形式和展現(xiàn)的形式。

在此我們利用圖數(shù)據(jù)庫(kù)進(jìn)行相關(guān)關(guān)系的分析與解析，并制定出數(shù)據(jù)實(shí)施方案，見(jiàn)圖1：

圖1

數(shù)據(jù)清洗旨在從原始的股權(quán)關(guān)系數(shù)據(jù)中提取中構(gòu)造圖譜的關(guān)鍵信息；圖譜構(gòu)造則是通過(guò)提取出的關(guān)鍵信息，抽象成點(diǎn)和邊的形式，以圖的方式存儲(chǔ)這些關(guān)鍵信息；價(jià)值分析，則基于構(gòu)建的圖譜實(shí)現(xiàn)業(yè)務(wù)價(jià)值的提取分析。

二、數(shù)據(jù)清洗

（一）股東代碼空值填充

有部分股東代碼數(shù)值為空，因此我們需要補(bǔ)充這部分股東代碼，鑒于股東代碼在實(shí)際應(yīng)用中僅起到區(qū)分不同股東的作用，因此我們采用簡(jiǎn)易的編碼規(guī)則，即GD+5位序號(hào)的方式進(jìn)行編碼，實(shí)際生產(chǎn)應(yīng)用時(shí)可根據(jù)相應(yīng)使用場(chǎng)景進(jìn)行調(diào)整。

（二）最新數(shù)據(jù)切片構(gòu)造

實(shí)際應(yīng)用股權(quán)關(guān)系數(shù)據(jù)時(shí)，我們最為關(guān)心的是當(dāng)前各家企業(yè)的股權(quán)關(guān)系，因此其中需要有效過(guò)濾掉歷史數(shù)據(jù)，而對(duì)于歷史數(shù)據(jù)的判斷，可通過(guò)以下兩步實(shí)施：

第一步，歷史數(shù)據(jù)的篩選，即同一公司代碼+股東代碼的組合，獲取最新更新日期更大、出資時(shí)間更晚的數(shù)據(jù)，最后一個(gè)公司代碼+股東代碼只保留一條數(shù)據(jù)記錄。

第二步，股權(quán)變更流程回溯，基于以下2個(gè)字段：最新更新日期、出資時(shí)間。將上述字段分別按照倒序排列，即優(yōu)先排列最新更新日期最大的數(shù)據(jù)，然后優(yōu)先排列出資時(shí)間更晚的數(shù)據(jù)，排除掉多余的數(shù)據(jù)直至該公司所有的股權(quán)持有比例之和不超過(guò)100%。

最后需要達(dá)到的數(shù)據(jù)目標(biāo)為：1.一組公司代碼+股東代碼的組合對(duì)應(yīng)一條數(shù)據(jù)記錄；2.每一個(gè)公司所有的股東持股比例不超過(guò)100%。

（三）持股比例空值填充

填充持股比例為空值的數(shù)據(jù)，思路如下：對(duì)于某一家公司，將已知的股東信息相加，而后將剩余的持股比例由未知持股比例的股東平均瓜分。

例如某公司的持股比例空值應(yīng)當(dāng)為100%去除已知持股比例數(shù)37.98%，若其有2家持股比例未知的公司，則另兩家持股比例為（100%-37.98%）/2=31.01%。

三、圖譜構(gòu)造

在完成數(shù)據(jù)清洗之后，我們獲取了一份表格形式存儲(chǔ)的企業(yè)股權(quán)關(guān)系數(shù)據(jù)。但是以表為形式存儲(chǔ)對(duì)于股權(quán)關(guān)系分析的應(yīng)用有以下局限：

1.數(shù)據(jù)可視化制作困難，無(wú)法完整地呈現(xiàn)某一家企業(yè)的上下游關(guān)聯(lián)關(guān)系，對(duì)于股權(quán)層層穿透的情況分析效率較低；

2.對(duì)于圖譜深度解析的需求，分析程序編寫(xiě)困難，執(zhí)行效率不足，該情況主要出現(xiàn)在企業(yè)風(fēng)險(xiǎn)傳播分析、高風(fēng)險(xiǎn)股權(quán)結(jié)構(gòu)分析、高風(fēng)險(xiǎn)擔(dān)保結(jié)構(gòu)分析的應(yīng)用場(chǎng)景中。

在該背景下，我們引入圖數(shù)據(jù)庫(kù)，將傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)中的數(shù)據(jù)，裝載到圖數(shù)據(jù)庫(kù)中，來(lái)提高我們數(shù)據(jù)分析過(guò)程中提到的上述瓶頸。

（一）圖數(shù)據(jù)庫(kù)介紹

圖數(shù)據(jù)庫(kù)中的“圖”，并不是指圖片，而是以圖這種數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)和查詢(xún)數(shù)據(jù)。

而市面上的圖數(shù)據(jù)庫(kù)有兩種，一種是原生圖數(shù)據(jù)庫(kù)，即數(shù)據(jù)存儲(chǔ)在自己本身的圖數(shù)據(jù)庫(kù)體系內(nèi)；另一種是非原生圖數(shù)據(jù)庫(kù)，數(shù)據(jù)本身不存儲(chǔ)在圖數(shù)據(jù)庫(kù)的框架體系內(nèi)，而是存儲(chǔ)在別的數(shù)據(jù)庫(kù)中（一般為關(guān)系型數(shù)據(jù)庫(kù)）；而經(jīng)過(guò)比較前者的效率更高[1]。

圖數(shù)據(jù)庫(kù)的性能評(píng)估包含兩個(gè)重要的因素，一個(gè)是圖存儲(chǔ)，還有一個(gè)是圖處理引擎。圖的存儲(chǔ)方式與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)區(qū)別非常大，他是專(zhuān)門(mén)為存儲(chǔ)和管理圖而設(shè)計(jì)的，而圖處理引擎更是關(guān)系型數(shù)據(jù)庫(kù)所不具備的，這也是為什么圖數(shù)據(jù)庫(kù)在處理圖譜數(shù)據(jù)時(shí)效率更高的原因[2]。

（二）裝載方案

圖數(shù)據(jù)庫(kù)顧名思義就是將數(shù)據(jù)以“圖”的形式存儲(chǔ)在計(jì)算機(jī)中，而圖具有的最基本的要素就是邊和點(diǎn)，因此我們要將我們上一節(jié)清洗完的數(shù)據(jù)抽象成邊和點(diǎn)。

我們使用到的數(shù)據(jù)中“公司”和“股東”都可以歸類(lèi)為標(biāo)簽為“公司”的節(jié)點(diǎn)，由于是股權(quán)關(guān)系表，關(guān)系可以歸類(lèi)為“股權(quán)”關(guān)系。“公司名稱(chēng)”是節(jié)點(diǎn)的屬性，持股比例是“股權(quán)”關(guān)系的屬性。

（三）方案實(shí)施

將表格數(shù)據(jù)裝載入圖數(shù)據(jù)庫(kù)是一個(gè)比較關(guān)鍵的步驟，在裝載是需要制定合理的方案，保證數(shù)據(jù)裝載穩(wěn)定且高效。因此我們使用批量加載的方法，同時(shí)用下列步驟進(jìn)行數(shù)據(jù)導(dǎo)入：

第一步導(dǎo)入節(jié)點(diǎn)；

導(dǎo)入節(jié)點(diǎn)分批量導(dǎo)入和非批量導(dǎo)入，我們可以看一下兩者的區(qū)別：

非批量導(dǎo)入過(guò)程為，將一條數(shù)據(jù)寫(xiě)入內(nèi)存，然后將內(nèi)存中的數(shù)據(jù)寫(xiě)入磁盤(pán)，周而復(fù)始；批量導(dǎo)入的過(guò)程為，將多條數(shù)據(jù)寫(xiě)入內(nèi)存，而后批量將數(shù)據(jù)寫(xiě)入磁盤(pán)。我們發(fā)現(xiàn)批量導(dǎo)入大大降低了磁盤(pán)讀寫(xiě)的次數(shù)，因此會(huì)有效地提升數(shù)據(jù)加載效率。

而實(shí)際的過(guò)程中我們會(huì)將所有數(shù)據(jù)分成若干個(gè)小批次進(jìn)行操作，這樣既可以減少磁盤(pán)讀寫(xiě)的次數(shù)，同時(shí)也可以避免內(nèi)存使用比例過(guò)高導(dǎo)致的性能下降。

第二步為關(guān)系關(guān)聯(lián)屬性（公司代碼）加上索引；

加入索引的重要原因是提升數(shù)據(jù)庫(kù)讀取效率，經(jīng)過(guò)性能測(cè)試，在關(guān)聯(lián)屬性上建立索引和不建立索引，前者的效率比后者有極大的提升。

第三步導(dǎo)入關(guān)系數(shù)據(jù)；導(dǎo)入關(guān)系數(shù)據(jù)，我們同樣使用分小批次導(dǎo)入的方法來(lái)實(shí)現(xiàn)，來(lái)保證數(shù)據(jù)導(dǎo)入的效率。

四、數(shù)據(jù)價(jià)值分析

圖數(shù)據(jù)庫(kù)之于圖譜分析，其優(yōu)勢(shì)除了在數(shù)據(jù)可視化上，還能充分挖掘企業(yè)間關(guān)系的業(yè)務(wù)價(jià)值。我們以以下兩個(gè)場(chǎng)景進(jìn)行舉例：

（一）股權(quán)穿透分析

我們以某上市公司為例，下簡(jiǎn)稱(chēng)“A公司”，分析該主體如果發(fā)生負(fù)面事件，波及的范圍。以該節(jié)點(diǎn)為出發(fā)點(diǎn)，向下穿透5層，可獲得如圖2：

圖2

大圈中的“A公司”對(duì)外的股權(quán)非常復(fù)雜，牽涉的企業(yè)面積非常廣。所有涉及的企業(yè)都會(huì)或多或少因該企業(yè)的風(fēng)險(xiǎn)事件而受到負(fù)面影響。

傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)在搜索多層關(guān)系時(shí)，需要多次訪問(wèn)數(shù)據(jù)庫(kù)表，為提升執(zhí)行效率并且降低程序以外執(zhí)行失敗的概率，會(huì)以數(shù)據(jù)庫(kù)事務(wù)的形式編寫(xiě)，代碼編寫(xiě)復(fù)雜度較高。圖數(shù)據(jù)庫(kù)的可視化功能也要比關(guān)系型數(shù)據(jù)庫(kù)更強(qiáng)，而在圖處理的能力上也較關(guān)系型數(shù)據(jù)庫(kù)更強(qiáng)。

（二）企業(yè)股權(quán)關(guān)聯(lián)分析

在進(jìn)行業(yè)務(wù)分析時(shí)，我們經(jīng)常會(huì)發(fā)現(xiàn)，兩家看似毫無(wú)關(guān)聯(lián)的企業(yè)，卻有著千絲萬(wàn)縷的聯(lián)系。例如圖3左大圈中的“A公司”與右大圈中的“B公司”，這兩家公司，從名字上分析除了可以得出兩家公司都涉及相同的行業(yè)，似乎毫無(wú)關(guān)聯(lián)信息。但我們查詢(xún)一下這兩家企業(yè)的關(guān)聯(lián)關(guān)系，我們會(huì)發(fā)現(xiàn)，兩家企業(yè)有著一定的關(guān)聯(lián)，其股權(quán)關(guān)聯(lián)如圖3：

圖3

同時(shí)，可以根據(jù)股權(quán)關(guān)系中的持有份額比例，通過(guò)各條路徑的乘積之和來(lái)計(jì)算“A公司”對(duì)“B公司”的實(shí)際控制份額。

實(shí)現(xiàn)上述功能，通過(guò)關(guān)系型數(shù)據(jù)庫(kù)，我們不僅要多次訪問(wèn)數(shù)據(jù)庫(kù)，同時(shí)還要使用遞歸，代碼實(shí)現(xiàn)難度比較大，而圖數(shù)據(jù)庫(kù)只需要執(zhí)行指令，匹配起始節(jié)點(diǎn)與重點(diǎn)，即可自動(dòng)搜索出所有的路徑，大大降低了程序編寫(xiě)的難度，并且提升了執(zhí)行效率。

圖3展示了圖據(jù)庫(kù)以表格結(jié)合數(shù)組的形式展示開(kāi)始節(jié)點(diǎn)到結(jié)束節(jié)點(diǎn)的所有路徑，將這路徑中的權(quán)重值相乘最后再相加，我們即可獲得最后開(kāi)始節(jié)點(diǎn)對(duì)結(jié)束節(jié)點(diǎn)的實(shí)際控制份額。

圖3我們能找到5條從A公司出發(fā)，B公司結(jié)束的路徑。

路徑1：

[{"percentage"：50.0}，{"percentage"：40.0}]

路徑2：

[{"percentage"：47.12}，{"percentage"：100.0}，{"percentage"：96.875}，{"percentage"：11.0}]

路徑3：

[{"percentage"：47.12}，{"percentage"：50.0}，{"percentage"：40.0}]

路徑4：

[{"percentage"：100.0}，{"percentage"：5.53}，{"percentage"：100.0}，{"percentage"：96.875}，{"percentage"：11.0}]

路徑5：

[{"percentage"：100.0}，{"percentage"：5.53}，{"percentage"：50.0}，{"percentage"：40.0}]

最后我們根據(jù)計(jì)算各條路徑中持股比例的乘積，最后加總得知A公司對(duì)B公司的實(shí)際控制份額為36.14%。

五、總結(jié)

企業(yè)股權(quán)數(shù)據(jù)中蘊(yùn)含著巨大的業(yè)務(wù)價(jià)值，而充分利用該部分?jǐn)?shù)據(jù)價(jià)值不僅需要合理的數(shù)據(jù)分析步驟，還需要相應(yīng)的技術(shù)手段。而圖數(shù)據(jù)庫(kù)在圖譜分析的過(guò)程中提升了效率，簡(jiǎn)化了代碼，通過(guò)業(yè)務(wù)實(shí)施步驟的合理規(guī)劃，以及技術(shù)流水線的合理部署，提升數(shù)據(jù)分析能力，真正做到為業(yè)務(wù)賦能。