3. 度中心性（Degree Centrality）：定义与计算公式
好，咱们今天聊聊度中心性。这个概念其实特别直观——说白了，就是看一个节点有多少条边连着它。在金融网络里，谁的朋友多，谁就更重要。嗯，就这么简单。
3.1 定义与计算公式
度中心性的核心思想是：一个节点的重要性，取决于它直接连接了多少个其他节点。公式长这样：
C_D(v) = deg(v) / (N - 1)其中：
deg(v)是节点 v 的度数（连接的边数）N是网络中节点的总数N - 1是最大可能度数（归一化因子）
为什么要除以 N-1？我刚开始做网络分析时也纳闷过。其实就是为了让不同规模的网络之间可以比较。你想想看，一个100家银行网络里的度数是50，跟一个1000家银行网络里的50，含金量能一样吗？归一化之后，值域就固定在0到1之间了。
核心要点：度中心性衡量的是节点的「直接影响力」。在银行间借贷网络中，一个银行连接的对手方越多，它的度中心性就越高。
3.2 有向图与无向图的区别
这里有个坑，我必须提醒你。在金融网络里，借贷关系往往是有方向的——A借给B，跟B借给A，完全是两码事。所以我们要区分有向图和无向图。
| 类型 | 定义 | 计算公式 | 金融含义 |
|---|---|---|---|
| 无向图 | 边没有方向，关系是对称的 | C_D(v) = deg(v) / (N-1) | 两家银行之间存在借贷关系，不分谁借谁 |
| 有向图（入度） | 指向该节点的边数 | C_D_in(v) = indeg(v) / (N-1) | 其他银行借给该银行的资金笔数 |
| 有向图（出度） | 从该节点出发的边数 | C_D_out(v) = outdeg(v) / (N-1) | 该银行借给其他银行的资金笔数 |
我个人习惯在分析银行间借贷网络时，同时计算入度和出度。为什么？因为入度高的银行，往往是资金流入方，可能是个「吸金大户」；出度高的银行，则是资金流出方，像个「资金批发商」。两者的风险特征完全不同。
避坑指南：我曾经在分析一个区域性银行网络时，只算了无向图的度中心性，结果把一家「只借不贷」的银行排到了前面。后来发现它其实是个风险黑洞——只吸收资金，从不放贷。所以，有向图才是金融网络的正确打开方式。
3.3 在银行间借贷网络中的应用实例
咱们来看一个真实场景。假设我们有5家银行（A、B、C、D、E），它们之间的借贷关系如下：
# 有向图表示：A -> B 表示 A 借给 B
A -> B, A -> C, B -> C, C -> D, D -> E, E -> A计算一下各银行的度中心性：
| 银行 | 出度 | 入度 | 出度中心性 | 入度中心性 |
|---|---|---|---|---|
| A | 2 | 1 | 2/4 = 0.5 | 1/4 = 0.25 |
| B | 1 | 1 | 1/4 = 0.25 | 1/4 = 0.25 |
| C | 1 | 2 | 1/4 = 0.25 | 2/4 = 0.5 |
| D | 1 | 1 | 1/4 = 0.25 | 1/4 = 0.25 |
| E | 1 | 1 | 1/4 = 0.25 | 1/4 = 0.25 |
看到了吗？银行A的出度中心性最高（0.5），说明它是主要的资金提供方；银行C的入度中心性最高（0.5），说明它是主要的资金需求方。这两个节点，在流动性风险传导中扮演的角色完全不同。
实战技巧：我在做系统性风险监测时，会重点关注「出度中心性高 + 入度中心性低」的银行——它们一旦出问题，会切断大量资金供给，引发连锁反应。反之，「入度中心性高」的银行如果违约，会拖累一大片债权人。
下面这张图，展示了度中心性在银行间借贷网络中的核心逻辑：
在实际项目中，我一般会这样用度中心性：
- 快速筛选：先算一遍所有节点的度中心性，把排名前20%的银行标记为「关键节点」
- 区分角色：根据入度和出度的比值，把银行分为「资金提供方」「资金需求方」「均衡型」
- 压力测试：模拟移除度中心性最高的几个节点，观察网络连通性的变化
嗯，度中心性虽然简单，但它是所有网络分析的起点。你想想看，如果连谁跟谁有交易都搞不清楚，后面那些复杂的中心性指标就更无从谈起了。所以，先把度中心性吃透，后面的路就好走了。