基于大数据和Louvain算法的企业风险担保圈构建

罗桑强巴

(四川大学计算机学院，成都 610065)

0 引言

担保圈是企业之间互相担保、交叉担保和连环担保形成的特殊利益集体[1]。担保圈内的各家企业成了息息相关的命运共同体，只要其中一家企业陷入债务危机，其他企业将或多或少受到牵连，严重时可能对整个区域经济产生巨大影响[2]。因此企业担保圈的风险管理不仅影响企业融资，更影响着区域金融稳定。2003年的新疆“啤酒花”担保圈事件、2004年的重庆“覃辉”担保圈事件、2006年河北宝硕股份担保圈事件均给当地金融生态带来了一定程度的破坏，担保圈的“多米诺骨牌效应”会将风险沿着担保链传递和扩散到圈内的各个企业，各企业的风险可能会被化解，也有可能放大、转递和扩散，导致区域金融生态发生变化，甚至可能会发生系统性金融风险。

企业担保圈风险监管是非常有必要和迫在眉睫的事情，但是目前现有经济环境下，担保是解决中小微企业融资问题的一条主要途径，怎样将监管力度和解决中小微企业融资难、融资贵的问题找到一个平衡点是需要研究的问题。刘悦芹等人(2015)在研究担保圈风险中指出，目前国内担保圈研究较为薄弱，主要存在担保圈概貌不清，风险不明、阻断不力等问题，并提出了基于有向遍历算法的担保圈绘制办法[3]。刘铮(2019)提出了基于宽度优先搜索的担保圈识别办法[4]。Tan Bo(2017)提出基于知识图谱算法的客户关联关系构建方法[5]。上述担保圈的构建方法主要以监管单位或银行收集的担保信息数据为主，对企业的内在关系和隐性担保关联等未考虑完全，并以宽度优先和遍历算法等绘制的担保圈可能出现超级担保圈，即包含上百家企业的超级担保圈，且不能再对超级担保圈进行有效的分割，风险传导不一定会扩散至整个担保圈，且无法精确预警需要防范风险的企业，可能发生整个担保圈的恐慌，导致其他的金融风险出现。

1 担保关系矩阵构建

2 基于Louvain算法的风险担保圈绘制

风险担保圈的绘制方便了担保圈的风险识别和企业风险传递的研究。本文主要通过Louvain算法对上节构建的担保关系矩阵进行聚类，并结合担保圈内企业的特性进行分析。基于该算法的聚类，可以从多个层次进行担保圈的绘制，并有效引入了企业关联关系和相同法人信息，从而更准确地刻画企业风险担保圈，也为下一步从时间维度进行担保圈分析提供了思路。

Louvain 算法是Vincent D.Blondel等人在2008年提出的[5]，是常用聚类算法的一种，也是目前社区聚类算法中计算速度最快的算法，目前论文引用已达1万多次。该算法一种基于模块化优化的启发式方法，通过计算模块增量值ΔQ(delta modularity)确定节点是否加入新的社区。主要包含两个重要的指标模块度值Q，和模块度增量值ΔQ，通过Q值可以确定社群的分类度，其取值范围为[0，1]，值越大分类度越好。Louvain算法的具体公式如下：

Louvain算法构建多层次企业风险担保圈主要以迭代次数确定，具体过程如下：

输入：担保关系矩阵Dmn

第一步：假设每个企业单位可作为一个担保圈，遍历所有企业，将邻近企业加入到担保圈，计算ΔQ是否增加，直到所有担保圈均无法吸收新的节点，此时得到第一层次的风险担保圈；

第二步：将第一步划分的担保圈作为一个节点，分别计算节点之间的权重，重复第一步，此时得到第二层次的风险担保圈；

第三步：在进行多轮迭代后Q值不在变化或者达到约定迭代次数，得到对应层次的风险担保圈。

3 风险担保圈绘制结果及分析

通过对样本数据处理结果，风险担保圈指标如表1。

表1

4 结语

本文引入在构建担保关系矩阵时同一法人的企业和企业隶属关系，并提出基于Louvain算法的企业风险担保圈划分方法。该方法层次划分经过质性分析能更真实地反映担保圈，为下一步担保圈风险分析和阻断提供了基础，具有一定的实际意义。