一、课程导论：知识图谱与投研分析的结合点
各位同学，欢迎来到这门课。我是你们的老朋友，一个在量化投研和知识图谱领域摸爬滚打了十来年的工程师。
说实话，刚入行那会儿，我也觉得知识图谱这玩意儿离投研挺远的。直到有一次，我负责一个产业链传导分析的项目，传统的关系型数据库查得我头皮发麻——上下游关系、股权穿透、供应链依赖，这些数据写SQL写到吐，性能还跟不上。后来我试着用图数据库建模，嗯，效果出奇的好。从那时起，我就意识到：知识图谱不是花架子，它是投研分析的“第二大脑”。
1.1 知识图谱与投研分析的结合点
为什么说这两者天生一对？你想想看，投研分析的本质是什么？是找关系。
- 这家公司的供应商是谁？
- 那个行业的上下游依赖有多强？
- 某只股票的实控人还持有哪些资产？
- 一条政策变动会波及哪些产业链环节？
这些问题的答案，本质上都是一张关系网。而知识图谱，恰恰就是用来存储和推理关系网的。
核心观点：投研分析的本质是“找关系”，知识图谱的本质是“存关系”。两者一拍即合。
我在项目中遇到过不少团队，他们用Excel或者关系数据库硬扛这些关系查询。结果呢？数据量一上来，查询慢得像蜗牛，而且逻辑容易出错。换成知识图谱后，一个MATCH语句就能搞定原来几十行SQL才能完成的事情。
1.2 课程目标与学习路径
这门课的目标很明确：让你能独立搭建一个投研知识图谱，并从中挖掘出有价值的投资信号。
具体来说，学完这门课，你应该能做到：
- 理解知识图谱的核心概念（实体、关系、属性）
- 掌握图数据库（Neo4j）的基本操作
- 学会从公开数据中抽取投研相关的实体和关系
- 能够设计一个简单的产业链知识图谱模型
- 能写一些基础的图查询，用于辅助投资决策
学习路径我建议这样走：
- 先啃概念（就是本章的内容）
- 再动手搭环境（装个Neo4j，跑几个例子）
- 然后做数据建模（设计你的图谱结构）
- 接着写查询（从简单到复杂）
- 最后做应用（比如产业链传导分析、风险传导路径发现）
个人建议：别急着一步到位。我见过太多人一上来就想搞个大而全的图谱，结果数据还没准备好就放弃了。先从一个小的、具体的场景开始，比如“新能源汽车产业链”，做精做透，再慢慢扩展。
1.3 核心概念速览
好，咱们先快速过一遍知识图谱的三个核心概念。别怕，很简单。
实体（Entity）
实体就是“东西”。在投研领域，实体可以是：
- 公司（比如“宁德时代”）
- 产品（比如“磷酸铁锂电池”）
- 行业（比如“新能源汽车”）
- 政策（比如“双积分政策”）
- 人物（比如“曾毓群”）
每个实体都有一个唯一的标识符，就像人的身份证号。在Neo4j里，我们通常用id或者name来标识。
关系（Relationship）
关系就是实体之间的“连接”。比如：
- “宁德时代” 生产 “磷酸铁锂电池”
- “磷酸铁锂电池” 属于 “新能源汽车产业链”
- “曾毓群” 担任 “宁德时代”的“董事长”
关系是有方向的。你想想看，“生产”和“被生产”是两码事。在知识图谱里，关系通常用箭头表示方向。
属性（Property）
属性就是实体的“特征”。比如：
- “宁德时代”的属性：
市值：1.2万亿、成立时间：2011年、员工数：10万+ - “磷酸铁锂电池”的属性：
能量密度：160Wh/kg、循环寿命：3000次
属性可以是数字、字符串、日期等。它们让实体变得更“丰满”。
避坑指南：我曾经犯过一个错误——把“关系”也当成“属性”来存。比如，把“供应商”关系直接写成公司的属性字段。结果呢？查询“某公司的供应商的供应商”这种多跳关系时，代码写得极其痛苦。记住：关系就是关系，别偷懒存成属性。
1.4 知识体系框架图
下面这张图，是我自己总结的投研知识图谱核心框架。你可以把它当作这门课的“地图”。
这张图其实就说了三件事：实体是节点，关系是边，属性是节点的特征。三者组合起来，就能描述投研世界里几乎所有的复杂关系。
1.5 一个小例子：宁德时代与它的上下游
光说概念太干，咱们来点实际的。假设我们要建一个关于“宁德时代”的小图谱，它大概长这样：
// 伪代码，展示实体和关系
(宁德时代:公司) -[生产]-> (磷酸铁锂电池:产品)
(宁德时代:公司) -[采购]-> (天齐锂业:公司)
(天齐锂业:公司) -[生产]-> (碳酸锂:原材料)
(磷酸铁锂电池:产品) -[属于]-> (新能源汽车产业链:行业)
你看，就这么几行，就把“宁德时代生产电池，电池属于新能源汽车产业链，宁德时代从上游采购碳酸锂”这个逻辑说清楚了。换成传统数据库，你得建三张表，写JOIN查询，麻烦得很。
关键点：知识图谱的威力在于多跳查询。比如你想查“宁德时代的供应商的供应商是谁”，在图里只需要沿着关系走两步就行。这在传统数据库里，写SQL能写到怀疑人生。
1.6 学习这门课你需要什么基础？
说实话，门槛不高。你只需要：
- 懂一点Python（能写简单的脚本就行）
- 了解基本的数据库概念（知道什么是表、什么是查询）
- 对投研分析有兴趣（这个最重要）
如果你完全没接触过图数据库，没关系。我会从零开始带你装环境、写第一个查询。我当年也是这么过来的，踩过的坑我会提前告诉你。
一个小建议：学这门课的时候，最好手边有一台能联网的电脑。因为很多数据需要从公开渠道获取，比如公司公告、行业报告。别光看，动手做一遍，印象深十倍。
1.7 本章小结
好，咱们来捋一捋这章讲了什么：
- 结合点：投研分析找关系，知识图谱存关系，天生一对。
- 课程目标：让你能独立搭建投研知识图谱，并从中挖出投资信号。
- 核心概念：实体（节点）、关系（边）、属性（特征）。
- 学习路径：概念 → 环境 → 建模 → 查询 → 应用。
下一章，咱们会真正动手，装一个Neo4j图数据库，然后跑第一个查询。嗯，到时候你就知道，原来知识图谱离我们这么近。
公众号:蓝海数据掘金营，微信deep3321