互联网金融知识图谱可视化分析.docVIP

互联网金融知识图谱可视化分析 摘要：互联网金融存在的信息不对称，缺乏监管问题愈发突出，研究互联网金融的研究热点，能更好地优化解决问题的方法。文章利用CiteSpace软件，基于CSSCI数据库的数据，对相关论文进行共被引分析，从关键词与共被引聚类结果分析互联网金融研究热点，找出其问题所在。通过研究互联网金融的兴起与发展有利于中国金融行业的发展，但是政府必须制定好行业标准，加大监管，防止垄断行为和不正当竞争行为的出现，同时管控好监管中立等问题。 关键词：Citespace；互联网金融；知识图谱 一、引言 互联网金融是指互联网企业利用电商平台、有哪些信誉好的足球投注网站引擎、大数据和云计算等互联网技术与移动通信技术实现支付、投资、信息中介和资金融通服务的新型金融业务模式，其重要载体便是互联网科技公司，并对传统金融模式产生颠覆性影响。互联网金融不是互联网和金融的简单结合，而是在基于互联网技术的前提下，被用户逐渐熟悉接受后自发形成的新需求，并由此产生的新型金融模式及新业务，遍及零售、娱乐和投资等各个领域。2013年互联网金融产品及其衍生品如同雨后春笋一般爆发了出来，其中最典型的代表便是支付宝所推出的余额宝，凭借着支付宝用户的庞大基数取得了空前的成功，之后不久类似的产品也不断推出，直接冲击了传统银行业。中国金融机构的存款增长率逐年下跌，部分银行流失了超过20%的个人存款，中国金融脱媒的趋势已初现端倪。与此同时，互联网金融过快的成长，缺乏市场监管的环境滋生了大量问题。 二、数据采集及研究方法 本文所采用的数据全部来源于中文社会科学引文索引，检索时间从2012~2018年，共得到639篇相关文献，经过人工筛选，剔除了其中一部分不相关文献和重复文献，共获得有效文献635篇。本文所采取的可视化分析工具是陈超美博士基于Java开发的CiteSpace，可以对文献中的各项数据进行可视化分析，并以知识图谱的形式展现出来，帮助人们可以迅速找到这些文献的研究领域，了解其研究现状、研究热点和研究趋势。本文通过对互联网金融领域的各项指标，如作者、关键词和被引文献的研究分析，以期得到这一领域的研究进展及其趋势。将时间切片设定为1年，设置TopN=50，在前中后3个时间分区设置引文数量C、共引频次CC和共引系数CCV的阈值，阈值选择（c，cc，ccv）设置为（2，2，20），（4，3，20），（4，3，20）。图中每个节点代表被引用的文章，节点由一圈圈不同颜色的年轮构成，半径越大，表明其被引频次越高，节点间的连线表示共引关系，粗细表明共引的强弱。Centrality代表中介中心性，大于0.1的节点代表关键节点，意味着研究领域发生了变革，一般在图中用紫色外圈来表示。 三、互联网金融的知识图谱分析 （一）高产出作者与高被引作者分布。为了研究互联网金融的作者分布情况，选取发文量3篇及以上的作者，设置阈值TopN=30，生成互联网金融研究的机构合作图谱如表1所示。其中高产作者最多的是中国人民大学，这印证了中国人民大学在互联网研究领域的科研实力。结果显示，N=44，E=12，网络密度为0.0127，说明参与互联网金融的研究机构达到44个，对互联网金融的研究较为分散，作者之间鲜有合作，并没有较强的合作趋势，无法形成强有力的科研群体。（二）关键词共现图谱分析。在互联网金融研究主题方面，设置TopN=50，结果共包含107个关键词，276条边，网络密度0.0487。图1所示的互联网金融研究关键词图谱。通过对图1进行分析，互联网金融的研究热点主要在如下方面。1.互联网金融对中小企业发展的研究。中小企业融资难是一个全球性问题，在中国民间资本的投资渠道与中小企业对接一直不畅，中小企业一直难以获得融资。目前我国中小型企业主要依靠风投公司、商业银行的贷款、资本市场融资和政府政策扶持获得投资，但是科技公司具有的“高风险”，“高收益”以及信用不完善的特点，初创和中小型企业难以从中融资成功。而互联网金融则不同于前者，它基于大数据和云计算等高科技技术，能有效的消除信息不对称问题，更好地进行风险识别评估，降低交易成本，同时也提高了资本的配置效率。2.网络融资的研究，主要是P2P网贷和众筹。P2P网贷和众筹是两种不同形式的融资方式。P2P网贷绕过了金融机构，而是基于网络借贷平台，因此其中的信息不对称性远高于传统融资方式，廖理通过数理推导证明了利率无法反映真实的违约风险，借款人的基本信息虽然有助于帮助投资者规避风险，但是更多地需要靠投资者自身的聪明才智来进行识别，因此网贷市场存在着巨大的风险，无法靠自身良好的运行下去。众筹则是直接基于最广大的群众，虽然每个投资个体投资额度有限，但是人数众多，将有限的力量汇集起来便可以启动项目，相比于P2P网贷