一、投资网络基础：图论基础概念、网络科学简介、投资关系网络的定义与类型
各位同学好，我是老张。今天咱们正式开讲投资关联网络挖掘的第一章。说实话，这个领域我摸爬滚打了七八年，踩过的坑比走过的路还多。但别担心，我会把那些血泪教训都揉碎了讲给你们听。
先问大家一个问题：为什么我们要用网络来研究投资？
传统的投资分析，无非是看财报、算估值、盯K线。但你想想看，市场里哪只股票是孤岛？没有。A公司涨了，可能带动B供应商涨；C基金爆仓了，D银行跟着遭殃。这些关联关系，用传统方法很难量化。而网络科学，恰恰是研究「关系」的利器。
1.1 图论基础概念
图论，说白了就是研究「点」和「线」的学问。别被「图论」这俩字吓到，它没那么玄乎。
一个图由两部分组成：
- 顶点（Vertex）：也叫节点。在投资网络里，顶点可以是股票、基金、公司、甚至是一个人。
- 边（Edge）：也叫连线。表示顶点之间的关系。比如持股关系、资金往来、同涨同跌的关联性。
举个例子：
# 一个简单的图结构
顶点：{茅台, 五粮液, 泸州老窖}
边：{茅台-五粮液, 茅台-泸州老窖, 五粮液-泸州老窖}
# 这三只白酒股之间，存在行业关联我个人习惯把图分成两类：
- 有向图：边有方向。比如「A公司投资了B公司」，箭头从A指向B。
- 无向图：边没有方向。比如「A股票和B股票同属一个板块」，这就是双向的。
重要概念：度（Degree）——一个顶点连接的边的数量。在投资网络里，度高的节点往往是「核心资产」或「系统重要性机构」。我在2015年股灾复盘时发现，那些度高的券商股，一旦出问题，整个网络都会崩。
1.2 网络科学简介
网络科学，就是把图论应用到真实世界。它研究的是：网络长什么样？怎么演化？信息怎么传播？
我记得刚入行时，导师跟我说：「金融市场的本质，就是一个巨大的复杂网络。」当时我不信，觉得太虚。直到后来做量化策略，发现很多因子失效的原因，就是忽略了网络效应。
网络科学有几个核心指标：
| 指标 | 含义 | 投资场景应用 |
|---|---|---|
| 度分布 | 节点度的统计分布 | 识别「关键少数」的股票 |
| 聚类系数 | 节点的邻居之间互相连接的程度 | 判断行业板块的抱团程度 |
| 平均路径长度 | 任意两个节点之间的平均距离 | 衡量风险传染的速度 |
| 介数中心性 | 节点在最短路径中出现的频率 | 找到「桥梁型」的中间商或平台 |
避坑指南：我曾经犯过一个错误——直接用社交网络的算法来分析投资网络。结果发现，社交网络是「小世界」特性（六度分隔），但投资网络往往是「无标度」特性（少数节点连接了大部分边）。算法选错了，结论全废。所以，一定要先搞清楚你的网络属于哪种类型。
1.3 投资关系网络的定义与类型
投资关系网络，就是把金融市场中的参与者和它们之间的关系，抽象成一个图结构。节点是实体，边是关系。
常见的投资关系网络类型：
- 股权关联网络：节点是公司，边是持股关系。比如A公司持有B公司5%的股份。这种网络能帮我们发现「隐形控制链」。
- 资金流网络：节点是金融机构（银行、基金、券商），边是资金拆借或交易往来。2013年钱荒时，这个网络差点断裂。
- 行业关联网络：节点是行业或个股，边是上下游关系或同涨同跌的相关性。比如石油涨价，化工、航空都会受影响。
- 投资者行为网络：节点是投资者账户，边是跟单行为或持仓相似度。嗯，这个我做过一个策略，效果还不错。
下面这张图，是我自己画的一个投资关系网络框架，你们感受一下：
这四种网络，在实际中往往是交织在一起的。比如一家公司，既有股权关系，又有资金往来，还跟同行有行业关联。你想想看，如果只分析其中一种，是不是会漏掉很多信息？
注意：构建投资关系网络时，最忌讳的是「数据洁癖」。我见过有人花三个月清洗数据，结果网络建出来，市场风格都变了。我的建议是：先用粗糙的数据跑通流程，再逐步优化。80%的收益来自20%的关键关系，别在细枝末节上钻牛角尖。
好了，这一章的内容就到这里。图论基础、网络科学简介、投资关系网络的定义与类型，这三块是后续所有章节的基石。下一章，我们会讲如何用Python构建一个真实的投资网络——到时候我会手把手带你们写代码。
公众号:蓝海数据掘金营，微信deep3321