第1章知识图谱投资入门

一、知识图谱投资入门：从一张图说起

大家好，我是老张。在金融数据圈摸爬滚打了十几年，今天想跟你聊聊一个挺有意思的话题——知识图谱怎么用在投资分析上。

先别急着翻白眼，觉得这又是哪个高大上的概念。说白了，知识图谱就是一张「关系网」。你想想看，我们做投资分析时，最头疼的是什么？是信息太散。这家公司跟谁合作、那个高管以前在哪干过、行业上下游谁依赖谁……这些信息散落在各个角落，靠人脑根本串不起来。

知识图谱干的事，就是把它们串成一张网。嗯，就这么简单。

我习惯用一个例子来解释。假设你要研究「宁德时代」这只股票。

你看，后者是不是更接近一个投资经理的真实思考方式？

知识图谱的核心三要素：

举个例子，一条典型的知识图谱数据长这样：

实体A：宁德时代
关系：是供应商
实体B：特斯拉
属性：供应占比约20%（2023年数据）

就这么简单。一条一条这样的数据堆起来，就形成了一张巨大的关系网。

我在项目中遇到过不少案例，这里挑三个最典型的说说。

场景一：产业链分析

以前做产业链分析，得翻几十份研报，手动画Excel表格。有了知识图谱，你输入「新能源汽车」，系统自动把上游的锂矿、中游的电池、下游的整车厂全部拉出来，还能看到谁跟谁签了长协、谁最近扩产了。说白了，就是一张活的产业链地图。

场景二：风险传导分析

这个我特别有感触。2020年某地产公司暴雷，很多人以为只是地产圈的事。但如果你有知识图谱，会发现它通过「应收账款」连着几十家供应商，通过「股权质押」连着多家银行，通过「担保链」又连着另一批公司。这就是风险的传导路径。

避坑指南：我曾经犯过一个错——只关注直接关联，忽略了间接关联。比如A公司持有B公司10%股份，B公司又持有C公司30%股份，那A对C其实有间接影响力。知识图谱能帮你把这种「二度关系」也挖出来。

场景三：关联交易挖掘

嗯，这个场景做审计的朋友应该很熟悉。两家公司表面上没关联，但实际控制人是同一个人，或者高管是亲戚。知识图谱能把这些「隐性关联」揪出来。我见过一个案例，通过图谱发现某上市公司和一家供应商的注册地址、联系电话完全一致——这明显有问题。

你可能会问：Excel也能做分析，数据库也能查数据，为什么非要知识图谱？

我给你三个理由。

第一，处理复杂关系的能力。

传统数据库擅长处理「二维表」，比如「公司A的营收是100亿」。但遇到「公司A投资了公司B，公司B的CEO是公司C的前高管」这种多跳关系，SQL写起来能让你怀疑人生。知识图谱天生就是为这种场景设计的。

第二，发现「弱信号」。

我个人的经验是，很多投资机会藏在「弱信号」里。比如某公司突然换了财务总监，这个信息单独看没什么。但如果图谱告诉你，这位新总监之前任职的公司都做过财务造假……嗯，你懂的。知识图谱能把这些看似无关的信息串起来，形成预警信号。

第三，动态追踪能力。

市场是动态的。今天签了个合同，明天出了个政策，后天高管减持了。知识图谱可以实时更新这些关系，让你看到「此时此刻」的关联状态，而不是看三个月前的静态报告。

一个小技巧：刚开始做知识图谱投资分析时，别贪大求全。我建议你先聚焦一个细分领域，比如「新能源汽车产业链」，把核心的50家公司、100个关系梳理清楚。跑通了再扩展。一口吃不成胖子，做图谱也一样。

下面这张图，是我自己梳理的知识图谱投资分析的核心逻辑。你可以把它当作一个「地图」，后续章节都会围绕这几个模块展开。

这张图其实就概括了我们这门课的核心脉络。从最底层的数据采集（财报、公告、新闻），到关系建模（股权、供应链、担保），再到分析算法（路径搜索、社区发现），最后落到具体的投资场景（风险预警、机会发现）。

我个人觉得，知识图谱最大的价值不是「炫技」，而是帮我们建立一种「关联思维」。做投资分析时，不再只看单个公司的财务数据，而是看它在整个生态中的位置和关系。这种视角的转变，往往能带来意想不到的发现。